如何在 NumPy 中连接两个一维数组？答案

【问题标题】：How do I concatenate two one-dimensional arrays in NumPy?如何在 NumPy 中连接两个一维数组？
【发布时间】：2017-08-12 02:12:39
【问题描述】：

我有两个数组 A = [a1, ..., an] 和 B = [b1, ..., bn]。我想得到等于

的新矩阵 C

[[a1, b1],
 [a2, b2],
 ...
 [an, bn]]

我该如何使用numpy.concatenate？

【问题讨论】：

寻找np.column_stack。
@Divakar 不错！任何直觉为什么np.column_stack 会慢一点吗？
@kmario23 它在底层使用了np.concatenate，所以如果你与它进行比较，它就是我们在那里支付的函数包装器开销。

标签： python numpy matrix multidimensional-array numpy-ndarray

【解决方案1】：

这个非常简单但最快的解决方案怎么样？

In [73]: a = np.array([0, 1, 2, 3, 4, 5])
In [74]: b = np.array([1, 2, 3, 4, 5, 6])
In [75]: ab = np.array([a, b])
In [76]: c = ab.T

In [77]: c
Out[77]: 
array([[0, 1],
       [1, 2],
       [2, 3],
       [3, 4],
       [4, 5],
       [5, 6]])

但是，作为Divakar pointed out，使用np.column_stack 会直接给出答案：

In [85]: np.column_stack([a, b])
Out[85]: 
array([[0, 1],
       [1, 2],
       [2, 3],
       [3, 4],
       [4, 5],
       [5, 6]])

效率（按降序排列）

有趣的是，我的简单解决方案结果是最快的。（比np.concatenate快一点，比np.column_stack快两倍，比np.vstack快三倍）

In [86]: %timeit np.array([a, b]).T
100000 loops, best of 3: 4.44 µs per loop

In [87]: %timeit np.concatenate((a[:,None], b[:,None]), axis=1)
100000 loops, best of 3: 5.6 µs per loop

In [88]: %timeit np.column_stack([a, b])
100000 loops, best of 3: 9.5 µs per loop

In [89]: %timeit np.vstack((a, b)).T
100000 loops, best of 3: 14.7 µs per loop

【讨论】：

【解决方案2】：

你也可以使用np.vstack然后转置矩阵后

import numpy as np
A = [1, 2, 3]
B = [4, 5, 6]
C = np.vstack((A, B)).T

【讨论】：

既然被要求使用np.concatenate，我就在这里添加C = np.concatenate((A, B)).reshape(2,3).T。
哦，对了！感谢@Michael 更新解决方案
别误会，我认为你的解决方案更好;-)

【解决方案3】：

In [26]: A=np.arange(5)
In [27]: B=np.arange(10,15)
In [28]: np.concatenate((A[:,None], B[:,None]), axis=1)
Out[28]: 
array([[ 0, 10],
       [ 1, 11],
       [ 2, 12],
       [ 3, 13],
       [ 4, 14]])
In [29]: _.tolist()
Out[29]: [[0, 10], [1, 11], [2, 12], [3, 13], [4, 14]]

np.column_stack、np.vstack、np.stack 都做同样的事情，只是以不同的方式扩展数组的维度。

np.stack((A,B),-1) 像我一样扩展数组，使用newaxis 索引。

np.column_stack((A,B)) 使用：

arr = array(arr, copy=False, subok=True, ndmin=2).T

np.vstack((A,B)).T 使用：

concatenate([atleast_2d(_m) for _m in tup], 0)

出于好奇，请注意此vstack 等效项：

In [38]: np.concatenate((A[None],B[None]))
Out[38]: 
array([[ 0,  1,  2,  3,  4],
       [10, 11, 12, 13, 14]])

【讨论】：