一、基础操作
ndarray拼接是NumPy中最基础、最常用的操作之一。在NumPy中，可以通过concatenate、stack、hstack、vstack等函数、操作符实现拼接。其中，concatenate是最基本的数组拼接函数，可以水平地（按列）或垂直地（按行）拼接。stack函数可以用于将多个数组沿着新轴合并，可以在列和行方向上增加新轴。hstack和vstack分别是水平Stack和垂直Stack的简写，用于水平或垂直堆叠数组。
以下是一个基础操作的代码示例：
import numpy as np a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6]]) c = np.concatenate((a, b), axis=0) print(c) # Output: [[1 2] # [3 4] # [5 6]]
二、axis参数的说明
在NumPy中，拼接函数都有一个axis参数，默认值为0。这个参数定义了拼接的轴，即沿着哪个轴进行拼接。对于2D的数组，axis=0表示按行拼接，axis=1表示按列拼接。对于3D的数组，axis=0表示按深度拼接，axis=1表示按行拼接，axis=2表示按列拼接。
以下是一个axis参数的解析示例：
import numpy as np a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) c = np.concatenate((a, b), axis=0) print(c) # Output: [[1 2] # [3 4] # [5 6] # [7 8]] d = np.array([[1, 2], [3, 4]]) e = np.array([[5, 6], [7, 8]]) f = np.concatenate((d, e), axis=1) print(f) # Output: [[1 2 5 6] # [3 4 7 8]]
三、vstack和hstack的区别
vstack和hstack分别用于垂直和水平堆叠数组，它们的区别在于拼接的方向。vstack按行方向拼接，hstack按列方向拼接。对于拼接的数组，它们的维度必须相同。
以下是一个vstack和hstack的差异比较：
import numpy as np a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) c = np.vstack((a, b)) d = np.hstack((a, b)) print(c) # Output: [[1 2] # [3 4] # [5 6] # [7 8]] print(d) # Output: [[1 2 5 6] # [3 4 7 8]]
四、stack函数的使用
在前面的操作中，我们已经看到了将多个数组沿着新轴合并的操作。这个操作可以使用NumPy的stack函数完成。它可以用于将多个数组沿着新轴合并，也可以在列和行方向上增加新轴。
以下是一个stack函数使用的示例：
import numpy as np a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) c = np.stack((a, b), axis=0) d = np.stack((a, b), axis=1) print(c) # Output: [[[1 2] # [3 4]] # [[5 6] # [7 8]]] print(d) # Output: [[[1 2] # [5 6]] # [[3 4] # [7 8]]]
五、r_和c_的使用
r_和c_是NumPy中的两个特殊对象，可以用于将切片对象沿着第一轴拼接。r_将切片沿着列方向拼接，c_则将切片沿着行方向拼接。
以下是一个r_和c_的代码示例：
import numpy as np a = np.array([[1, 2], [3, 4]]) b = np.array([[5, 6], [7, 8]]) c = np.r_[a, b] d = np.c_[a, b] print(c) # Output: [[1 2] # [3 4] # [5 6] # [7 8]] print(d) # Output: [[1 2 5 6] # [3 4 7 8]]
六、总结
在NumPy中，ndarray拼接是十分基础和常用的操作之一。除了基础的concatenate函数和基于它的stack、hstack、vstack之外，还可以使用r_、c_函数进行切片的拼接。在使用时需要熟悉轴的概念和操作。这些操作为科学计算提供了强大的支持，方便实现一些高级的操作。
