numpy.concatenate( LIST, axis=0 )
但你 也
必须对列表中的形状和每个阵列的维度担心(用于2维3x5的输出,你需要确保它们都是2维正由-5阵列的话)。如果要将一维数组连接为二维输出的行,则需要扩展其维数。
正如Jorge的答案所指出的那样,
stack在numpy 1.10中引入了function :
numpy.stack( LIST, axis=0 )
这采用了补充方法:在连接之前,它会为每个输入数组创建一个新视图并添加一个额外的维数(在这种情况下为左侧,因此每个
n元素1D数组都将变为1 x
n2D数组)。仅当所有输入数组都具有相同的形状时才有效(即使沿串联轴也是如此)。
vstack(或等价的
row_stack)通常是一个更易于使用的解决方案,因为它将采用一维和/或二维数组序列,并在将整个列表连接在一起之前,在必要时且仅在必要时自动扩展维数。在需要新尺寸的地方,将其添加到左侧。同样,您可以一次串联整个列表,而无需进行迭代:
numpy.vstack( LIST )
语法快捷方式
numpy.r_[ array1, ...., arrayN](请注意方括号)也表现出这种灵活的行为。这对于连接几个显式命名的数组很有用,但对您的情况不利,因为此语法将不接受数组序列,例如your
LIST。
对于水平(列)堆栈,还有一个类似的函数
column_stack和快捷方式
c_[...],以及一个 几乎
类似的函数,
hstack尽管出于某种原因,后者的灵活性较差(它对输入数组的维数更为严格,并试图进行串联)一维数组首尾相连,而不是将其视为列)。
最后,在垂直堆叠一维数组的特定情况下,以下内容也适用:
numpy.array( LIST )
…因为数组可以从其他数组序列中构造出来,因此在开头增加了新的维度。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)