NumPy数组拼接指南：np.concatenate()函数详解
什么是np.concatenate()？
np.concatenate()是NumPy库中用于沿现有轴连接数组序列的函数。它可以将多个数组沿指定维度拼接在一起，是处理多维数组时非常有用的工具。
基本语法
numpy.concatenate((a1, a2, ...), axis=0, out=None)
- a1, a2, ...：要拼接的数组序列
- axis：拼接方向（默认0，即沿行方向）
- out：可选参数，指定结果存储位置
一维数组拼接示例
拼接两个一维数组：
import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) # 沿默认轴(axis=0)拼接 result = np.concatenate((arr1, arr2)) print(result) # 输出: [1 2 3 4 5 6]
二维数组拼接示例
1. 沿行方向拼接 (axis=0)
arr1 = np.array([[1, 2], [3, 4]]) arr2 = np.array([[5, 6]]) # 沿行方向拼接 result = np.concatenate((arr1, arr2), axis=0) print(result) # 输出: # [[1 2] # [3 4] # [5 6]]
2. 沿列方向拼接 (axis=1)
arr1 = np.array([[1, 2], [3, 4]]) arr2 = np.array([[5], [6]]) # 沿列方向拼接 result = np.concatenate((arr1, arr2), axis=1) print(result) # 输出: # [[1 2 5] # [3 4 6]]
使用注意事项
- 所有输入数组在拼接轴(axis)以外的维度必须具有相同的形状
- 拼接轴(axis)的索引从0开始
- 默认沿第一个轴(axis=0)拼接
- 拼接不会创建新的维度，而是扩展现有维度
- 对于更高维数组，原理相同 - 沿着指定轴拼接
实际应用场景
数据集合并
将多个数据源合并为一个完整数据集，方便后续处理。
特征工程
将不同来源的特征数据拼接为完整的特征矩阵。
图像处理
将多个图像拼接成全景图或图像序列。
与其它拼接函数对比
| 函数 | 用途 | 维度要求 |
|---|---|---|
| concatenate | 沿现有轴拼接数组 | 除拼接轴外维度相同 |
| stack | 沿新轴拼接数组 | 所有维度完全相同 |
| hstack | 水平拼接（axis=1） | 行数相同 |
| vstack | 垂直拼接（axis=0） | 列数相同 |
总结
np.concatenate()是NumPy中用于数组拼接的核心函数，掌握它可以：
- 高效合并多个数组
- 灵活选择拼接维度
- 处理不同形状的数组
- 为数据预处理和特征工程提供支持
记住拼接的关键是确保除拼接轴外的维度匹配，这能避免大多数错误。
发表评论