将 NumPy 数组连接到另一个 NumPy 数组

Question

我有一个 numpy_array。类似[ a b c ]。

然后我想将它与另一个 NumPy 数组连接起来（就像我们创建一个列表列表一样）。我们如何创建一个包含 NumPy 数组的 NumPy 数组？

我尝试做以下没有任何运气

>>> M = np.array([])
>>> M
array([], dtype=float64)
>>> M.append(a,axis=0)
Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
AttributeError: 'numpy.ndarray' object has no attribute 'append'
>>> a
array([1, 2, 3])

Answer 1

In [1]: import numpy as np

In [2]: a = np.array([[1, 2, 3], [4, 5, 6]])

In [3]: b = np.array([[9, 8, 7], [6, 5, 4]])

In [4]: np.concatenate((a, b))
Out[4]: 
array([[1, 2, 3],
       [4, 5, 6],
       [9, 8, 7],
       [6, 5, 4]])

或者这个：

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

In [2]: b = np.array([4, 5, 6])

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

Answer 2

好吧，错误信息说明了一切：NumPy 数组没有append() 方法。不过有一个免费功能numpy.append()：

numpy.append(M, a)

这将创建一个新数组，而不是在原地改变 M。请注意，使用numpy.append() 涉及复制两个数组。如果您使用固定大小的 NumPy 数组，您将获得性能更好的代码。

Answer 3

你可以使用numpy.append()...

import numpy

B = numpy.array([3])
A = numpy.array([1, 2, 2])
B = numpy.append( B , A )

print B

> [3 1 2 2]

这不会创建两个单独的数组，而是将两个数组附加到一个单维数组中。

Answer 4

Sven 说了这么多，只是要非常小心，因为调用 append 时会自动调整类型。

In [2]: import numpy as np

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

In [4]: b = np.array([1.,2.,3.])

In [5]: c = np.array(['a','b','c'])

In [6]: np.append(a,b)
Out[6]: array([ 1.,  2.,  3.,  1.,  2.,  3.])

In [7]: a.dtype
Out[7]: dtype('int64')

In [8]: np.append(a,c)
Out[8]: 
array(['1', '2', '3', 'a', 'b', 'c'], 
      dtype='|S1')

如您所见，根据内容，dtype 从 int64 变为 float32，然后变为 S1

Answer 5

我在寻找稍微不同的东西时发现了这个链接，如何开始将数组对象附加到 empty numpy 数组，但尝试了此页面上的所有解决方案均无济于事。

然后我找到了这个问答：How to add a new row to an empty numpy array

这里的要点：

“开始”你想要的数组的方法是：

arr = np.empty((0,3), int)

然后你可以像这样使用连接来添加行：

arr = np.concatenate( ( arr, [[x, y, z]] ) , axis=0)

另见https://docs.scipy.org/doc/numpy/reference/generated/numpy.concatenate.html

Answer 6

实际上，人们总是可以创建一个普通的 numpy 数组列表并在以后进行转换。

In [1]: import numpy as np

In [2]: a = np.array([[1,2],[3,4]])

In [3]: b = np.array([[1,2],[3,4]])

In [4]: l = [a]

In [5]: l.append(b)

In [6]: l = np.array(l)

In [7]: l.shape
Out[7]: (2, 2, 2)

In [8]: l
Out[8]: 
array([[[1, 2],
        [3, 4]],

       [[1, 2],
        [3, 4]]])

Answer 7

我有同样的问题，我无法评论@Sven Marnach 的答案（没有足够的代表，天哪，我记得 Stackoverflow 刚开始的时候......）。

将随机数列表添加到 10 X 10 矩阵。

myNpArray = np.zeros([1, 10])
for x in range(1,11,1):
    randomList = [list(np.random.randint(99, size=10))]
    myNpArray = np.vstack((myNpArray, randomList))
myNpArray = myNpArray[1:]

使用 np.zeros() 创建一个包含 1 x 10 个零的数组。

array([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]])

然后使用 np.random 创建一个包含 10 个随机数的列表并分配给 randomList。 循环将其堆叠 10 高。我们只需要记住删除第一个空条目。

myNpArray

array([[31., 10., 19., 78., 95., 58.,  3., 47., 30., 56.],
       [51., 97.,  5., 80., 28., 76., 92., 50., 22., 93.],
       [64., 79.,  7., 12., 68., 13., 59., 96., 32., 34.],
       [44., 22., 46., 56., 73., 42., 62.,  4., 62., 83.],
       [91., 28., 54., 69., 60., 95.,  5., 13., 60., 88.],
       [71., 90., 76., 53., 13., 53., 31.,  3., 96., 57.],
       [33., 87., 81.,  7., 53., 46.,  5.,  8., 20., 71.],
       [46., 71., 14., 66., 68., 65., 68., 32.,  9., 30.],
       [ 1., 35., 96., 92., 72., 52., 88., 86., 94., 88.],
       [13., 36., 43., 45., 90., 17., 38.,  1., 41., 33.]])

所以在一个函数中：

def array_matrix(random_range, array_size):
    myNpArray = np.zeros([1, array_size])
    for x in range(1, array_size + 1, 1):
        randomList = [list(np.random.randint(random_range, size=array_size))]
        myNpArray = np.vstack((myNpArray, randomList))
    return myNpArray[1:]

使用随机数 0 - 1000 的 7 x 7 数组

array_matrix(1000, 7)

array([[621., 377., 931., 180., 964., 885., 723.],
       [298., 382., 148., 952., 430., 333., 956.],
       [398., 596., 732., 422., 656., 348., 470.],
       [735., 251., 314., 182., 966., 261., 523.],
       [373., 616., 389.,  90., 884., 957., 826.],
       [587., 963.,  66., 154., 111., 529., 945.],
       [950., 413., 539., 860., 634., 195., 915.]])

Answer 8

如果我理解您的问题，这是一种方法。假设你有：

a = [4.1, 6.21, 1.0]

所以这里有一些代码......

def array_in_array(scalarlist):
    return [(x,) for x in scalarlist]

这导致：

In [72]: a = [4.1, 6.21, 1.0]

In [73]: a
Out[73]: [4.1, 6.21, 1.0]

In [74]: def array_in_array(scalarlist):
   ....:     return [(x,) for x in scalarlist]
   ....: 

In [75]: b = array_in_array(a)

In [76]: b
Out[76]: [(4.1,), (6.21,), (1.0,)]

Answer 9

试试这个代码：

import numpy as np

a1 = np.array([])

n = int(input(""))

for i in range(0,n):
    a = int(input(""))
    a1 = np.append(a, a1)
    a = 0

print(a1)

你也可以用数组代替“a”

Answer 10

这适用于使用numpy's ndarrays 的人。 numpy.concatenate() 函数也可以正常工作。

>>a = np.random.randint(0,9, size=(10,1,5,4))
>>a.shape
(10, 1, 5, 4)

>>b = np.random.randint(0,9, size=(15,1,5,4))
>>b.shape
(15, 1, 5, 4)

>>X = np.concatenate((a, b))
>>X.shape
(25, 1, 5, 4)

和vstack()的方式差不多

>>Y = np.vstack((a,b))
>>Y.shape
(25, 1, 5, 4)

Answer 11

当您想沿现有轴（按行）连接时，np.vstack 或 np.concatenate 将适合您。

有关串联操作的详细列表，请参阅official docs。

Answer 12

有几种方法可以将数组堆叠在一起，具体取决于堆栈的方向。 例如，您可以考虑 np.stack() (doc)、np.vstack() (doc) 和 np.hstack() (doc)。