如何将numpy数组附加到不同大小的numpy数组？答案

【问题标题】：How to append numpy array to numpy array of different size?如何将numpy数组附加到不同大小的numpy数组？
【发布时间】：2018-07-15 13:57:16
【问题描述】：

我有 2 个要连接的数组：

X_train 的形状是(3072, 50000) y_train 的形状是(50000,)

我想将它们连接起来，这样我就可以一次性洗牌所有索引。我尝试了以下方法，但都不起作用：

np.concatenate([X_train, np.transpose(y_train)])
np.column_stack([X_train, np.transpose(y_train)])

如何连接它们？

【问题讨论】：

连接什么？你有输入维度，你想要什么输出维度？（从 ML 的角度来看，我认为这没有意义）
你不能把Y_train改造成(1,50000)吗？
@DavidG 是的，谢谢！顺便说一句，为什么我首先得到 (50000,) ？那是一个numpy数组吗？似乎它是某种向量或列表，idk。我是 numpy 的新手
This post 可能有助于区分两者
在numpy 中，一维数组与二维（或更高）数组一样有用。

标签： python arrays numpy machine-learning

【解决方案1】：

给你一些针对任务的建议，而不是你的问题：不要这样做！

假设X 是您的样本/观察结果，y 是您的目标：

只需生成一个随机排列并在其中创建视图（没有复制或修改），例如（未经测试）：

import numpy as np

X = np.random.random(size=(50000, 3072))
y = np.random.random(size=50000)

perm = np.random.permutation(X.shape[0])  # assuming X.shape[0] == y.shape[0]
X_perm = X[perm]  # views!!!
y_perm = y[perm]

提醒：您的 start-shapes 与大多数基于 python 的 ml-tools 不兼容，因为通常的解释是：

first-dim / rows：样本
second-dim / cols：功能

由于#samples 需要与#target-values y 相同，您会发现我的示例在这方面是正确的，而您的示例需要在X 上进行转置

【讨论】：

【解决方案2】：

正如 DavidG 所说，我意识到答案是 y_train 的形状为 (50000,)，所以我需要在连接之前对其进行重塑

np.concatenate([X_train,         
     np.reshape(y_train, (1, 50000))])

不过，这在 Jupyter 中的评估非常缓慢。如果有更快的答案，我将不胜感激

【讨论】：