numpy库中的一些函数简介、使用方法

1、np.concatenate()

1.1、函数案例

import numpy as np

a=np.array([1,2,3])

b=np.array([11,22,33])

c=np.array([44,55,66])

d=np.concatenate((a,b,c),axis=0)  # 默认情况下，axis=0可以不写

print(d)  #输出array([ 1,  2,  3, 11, 22, 33, 44, 55, 66])，对于一维数组拼接，axis的值不影响最后的结果

1.2、函数用法

concatenate Found at: numpy.core.multiarray

concatenate((a1, a2, ...), axis=0, out=None)

   Join a sequence of arrays along an existing axis.

   Parameters

   ----------

   a1, a2, ... : sequence of array_like. The arrays must have the same shape, except in the dimension  corresponding to `axis` (the first, by default).

   axis : int, optional. The axis along which the arrays will be joined.  Default is 0.

   out : ndarray, optional. If provided, the destination to place the result. The shape  must be correct, matching that of what concatenate would have   returned if no  out argument were specified.

   

   Returns

   -------

   res : ndarray

   The concatenated array.

在:numpy.core.multiarray找到连接

连接((a1, a2，…)，axis=0, out=None)

沿着现有的轴连接数组序列。

参数

----------

a1, a2,…:数组类型的序列。数组必须具有相同的形状，除了与“axis”对应的维度(默认情况下为第一个维度)。

axis: int，可选。数组连接的轴线。默认值为0。

out : ndarray，可选。如果提供，放置结果的目的地。形状必须正确，如果没有指定out参数，则匹配concatenate将返回的形状。

返回

-------

res: ndarray

连接后的字符串数组。

   See Also

   --------

   ma.concatenate : Concatenate function that preserves input   masks.

   array_split : Split an array into multiple sub-arrays of equal or

   near-equal size.

   split : Split array into a list of multiple sub-arrays of equal size.

   hsplit : Split array into multiple sub-arrays horizontally   (column wise)

   vsplit : Split array into multiple sub-arrays vertically (row wise)

   dsplit : Split array into multiple sub-arrays along the 3rd axis  (depth).

   stack : Stack a sequence of arrays along a new axis.

   hstack : Stack arrays in sequence horizontally (column wise)

   vstack : Stack arrays in sequence vertically (row wise)

   dstack : Stack arrays in sequence depth wise (along third  dimension)

   

   Notes

   -----

   When one or more of the arrays to be concatenated is a  MaskedArray,   this function will return a MaskedArray object instead of an  ndarray, but the input masks are *not* preserved. In cases where a   MaskedArray  is expected as input, use the ma.concatenate function from  the masked  array module instead. 另请参阅

--------

马。保存输入掩码的连接函数。

array_split:将一个数组分割成多个相等或的子数组

与大小。

分割:将数组分割成相同大小的多个子数组。

hsplit:水平(按列)将数组分割为多个子数组

垂直(按行)将数组分割为多个子数组

dsplit:沿着第三轴(深度)将数组分割成多个子数组。

堆栈:将数组序列沿着一个新的轴进行堆栈。

hstack:水平排列(按列排列)

垂直(行向)按顺序堆叠数组。

dstack:按深度顺序排列的堆栈数组(沿三维方向)

笔记

-----

当一个或多个要连接的数组是一个MaskedArray时，这个函数将返回一个MaskedArray对象而不是ndarray，但是输入掩码*不*保留。在需要MaskedArray作为输入的情况下，使用ma。连接函数从掩码数组模块代替。

   Examples

   --------

   >>> a = np.array([[1, 2], [3, 4]])

   >>> b = np.array([[5, 6]])

   >>> np.concatenate((a, b), axis=0)

   array([[1, 2],

   [3, 4],

   [5, 6]])

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

   array([[1, 2, 5],

   [3, 4, 6]])

   This function will not preserve masking of MaskedArray

    inputs.

   

   >>> a = np.ma.arange(3)

   >>> a[1] = np.ma.masked

   >>> b = np.arange(2, 5)

   >>> a

   masked_array(data = [0 -- 2],

   mask = [False  True False],

   fill_value = 999999)

   >>> b

   array([2, 3, 4])

   >>> np.concatenate([a, b])

   masked_array(data = [0 1 2 2 3 4],

   mask = False,

   fill_value = 999999)

   >>> np.ma.concatenate([a, b])

   masked_array(data = [0 -- 2 2 3 4],

   mask = [False  True False False False False],

   fill_value = 999999)