【问题标题】：NumPy hstack's weird behaviorNumPy hstack 的奇怪行为
【发布时间】：2019-05-16 00:32:41
【问题描述】：

这里有一点背景。 Numpy v1.16，Python 3.6.8。

然后我运行以下代码：

import numpy as np

arr1 = np.repeat(True,20)
arr2 = np.repeat(np.arange(5),4)

X = np.vstack((arr1,
               arr2 
               )).T

arr3 = np.repeat(True,20).T
arr4 = np.repeat(np.arange(5),4).T

Y = np.hstack((arr3,
               arr4 
               ))

结果是X.shape为(20,2)(正常)，而Y.shape为(40,)不正常。

数学上 X 和 Y 应该是完全相同的矩阵，但在我的机器中它们不是。那么我在这里错过了什么？提前谢谢你

【问题讨论】：

标签： python arrays numpy multidimensional-array concatenation

【解决方案1】：

转置一维数组（例如 arr3 和 arr4）返回一维数组，而不是二维数组。

np.repeat(True,5)
# returns:
array([ True,  True,  True,  True,  True])

np.repeat(True,5).T
# returns:
array([ True,  True,  True,  True,  True])

它不会产生新的轴。您需要在转置之前执行此操作。

要增加轴数，可以使用np.newaxis。

a = np.repeat(True, 5)
a[:, np.newaxis]
# returns:
array([[ True],
       [ True],
       [ True],
       [ True],
       [ True]])

a[:, np.newaxis].T
# returns:
array([[ True,  True,  True,  True,  True]])

【讨论】：

【解决方案2】：

您的问题是即使使用 T 但您的 arr 是一维 (n,) ，这意味着您不能简单地将 T 使其变为 (n,1) 维度

如何解决：使用numpy 广播获取 (n,1)

Y = np.hstack((arr3[:,None],
               arr4[:,None] 
               ))
Y
Out[14]: 
array([[1, 0],
       [1, 0],
       [1, 0],
       [1, 0],
       [1, 1],
       [1, 1],
       [1, 1],
       [1, 1],
       [1, 2],
       [1, 2],
       [1, 2],
       [1, 2],
       [1, 3],
       [1, 3],
       [1, 3],
       [1, 3],
       [1, 4],
       [1, 4],
       [1, 4],
       [1, 4]])

【讨论】：

【解决方案3】：

In [92]: arr1 = np.repeat(True,10) 
    ...: arr2 = np.repeat(np.arange(5),2)                                                                      
In [93]: arr1.shape                                                             
Out[93]: (10,)
In [94]: arr2.shape                                                             
Out[94]: (10,)

Transpose 切换轴，但不添加任何轴。

In [95]: arr1.T.shape                                                           
Out[95]: (10,)

vstack（垂直）确保输入至少为 2d，并在第一个轴上连接它们

In [96]: np.vstack((arr1,arr2))                                                 
Out[96]: 
array([[1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
       [0, 0, 1, 1, 2, 2, 3, 3, 4, 4]])
In [97]: _.shape                                                                
Out[97]: (2, 10)

确实如此：

In [99]: np.concatenate((arr1.reshape(1,-1),arr2.reshape(1,-1)), axis=0)        
Out[99]: 
array([[1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
       [0, 0, 1, 1, 2, 2, 3, 3, 4, 4]])

请注意，布尔值 True 已更改为数字 1，因此它与 arr2 具有相同的 dtype。

hstack 确保输入至少有 1 个维度，并在最后一个维度加入。 [source]

In [100]: np.hstack((arr1,arr2))                                                
Out[100]: array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 2, 2, 3, 3, 4, 4])
In [101]: _.shape                                                               
Out[101]: (20,)

再次转置不会改变一维形状。

另一个便利功能：

In [102]: np.column_stack((arr1,arr2)).shape                                    
Out[102]: (10, 2)

这使输入变为 2d，并在最后一个轴上连接（查看其代码了解详情）

另一个方便：

In [103]: np.stack((arr1,arr2),axis=1).shape                                    
Out[103]: (10, 2)
In [104]: np.stack((arr1,arr2),axis=0).shape                                    
Out[104]: (2, 10)

所有这些只是调整尺寸，然后使用concatenate。

结构化数组

In [110]: arr = np.zeros((10,), dtype='bool,i')                                 
In [111]: arr['f0']=arr1                                                        
In [112]: arr['f1']=arr2                                                        
In [113]: arr                                                                   
Out[113]: 
array([( True, 0), ( True, 0), ( True, 1), ( True, 1), ( True, 2),
       ( True, 2), ( True, 3), ( True, 3), ( True, 4), ( True, 4)],
      dtype=[('f0', '?'), ('f1', '<i4')])

【讨论】：