numpy的concatenate实现矩阵拼接

concatenate()

我们先来介绍最全能的concatenate()函数，后面的几个函数其实都可以用concatenate()函数来进行等价操作。

concatenate()函数根据指定的维度，对一个元组、列表中的list或者ndarray进行连接，函数原型：

numpy.concatenate((a1, a2, ...), axis=0)

先来看几个例子，一个2*2的数组和一个1*2的数组，在第0维进行拼接，得到一个3*2的数组：

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])
np.concatenate((a, b), axis=0)

输出为：

array([[1, 2],
       [3, 4],
       [5, 6]])

进一步，一个2*2的数组和一个2*1的数组，在第01维进行拼接，得到一个2*3的数组：

np.concatenate((a, b.T), axis=1)

输出为：

array([[1, 2, 5],
       [3, 4, 6]])

上面两个简单的例子中，拼接的维度的长度是不同的，但是其他维度的长度必须是相同的，这也是使用concatenate()函数的一个基本原则，违背此规则就会报错，例如一个2*2的数组和一个1*2的数组，在第1维进行拼接：

np.concatenate((a, b), axis=1)

上面的代码会报错：

ValueError: all the input array dimensions except for the concatenation axis must match exactly

 

如果拼接的数组是一维数组，则axis只能为0，因为若两个一维数组的shape为（n1,)，(n2,)， 拼接之后为(n1+n2,)。由于第二维没有长度，所以也就不存在axis=1了

作者：文哥的学习日记
链接：https://www.jianshu.com/p/cfe655cb5dd6
来源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。