数组拼接方法一

思路：首先将数组转成列表，然后利用列表的拼接函数append()、extend()等进行拼接处理，最后将列表转成数组。

示例1：

>>> import numpy as np>>> a=np.array([1,2,5])>>> b=np.array([10,12,15])>>> a_list=list(a)>>> b_list=list(b)>>> a_list.extend(b_list)>>> a_list[1, 2, 5, 10, 12, 15]>>> a=np.array(a_list)>>> aarray([ 1, 2, 5, 10, 12, 15])

该方法只适用于简单的一维数组拼接，由于转换过程很耗时间，对于大量数据的拼接一般不建议使用。

数组拼接方法二

思路：numpy提供了numpy.append(arr, values, axis=None)函数。对于参数规定，要么一个数组和一个数值；要么两个数组，不能三个及以上数组直接append拼接。

示例2：

>>> a=np.arange(5)>>> aarray([0, 1, 2, 3, 4])>>> np.append(a,10)array([ 0, 1, 2, 3, 4, 10])>>> aarray([0, 1, 2, 3, 4]) >>> b=np.array([11,22,33])>>> barray([11, 22, 33])>>> np.append(a,b)array([ 0, 1, 2, 3, 4, 11, 22, 33]) >>> aarray([[1, 2, 3], [4, 5, 6]])>>> b=np.array([[7,8,9],[10,11,12]])>>> barray([[ 7, 8, 9], [10, 11, 12]])>>> np.append(a,b)array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])

numpy的数组没有动态改变大小的功能，numpy.append()函数每次都会重新分配整个数组，并把原来的数组复制到新数组中。

数组拼接方法三

思路：numpy提供了numpy.concatenate((a1,a2,...), axis=0)函数。能够一次完成多个数组的拼接。其中a1,a2,...是数组类型的参数

示例3：

>>> a=np.array([1,2,3])>>> b=np.array([11,22,33])>>> c=np.array([44,55,66])>>> np.concatenate((a,b,c),axis=0) # 默认情况下，axis=0可以不写array([ 1, 2, 3, 11, 22, 33, 44, 55, 66]) #对于一维数组拼接，axis的值不影响最后的结果 >>> a=np.array([[1,2,3],[4,5,6]])>>> b=np.array([[11,21,31],[7,8,9]])>>> np.concatenate((a,b),axis=0)array([[ 1, 2, 3], [ 4, 5, 6], [11, 21, 31], [ 7, 8, 9]])>>> np.concatenate((a,b),axis=1) #axis=1表示对应行的数组进行拼接array([[ 1, 2, 3, 11, 21, 31], [ 4, 5, 6, 7, 8, 9]])

对numpy.append()和numpy.concatenate()两个函数的运行时间进行比较

示例4：

>>> from time import clock as now>>> a=np.arange(9999)>>> b=np.arange(9999)>>> time1=now()>>> c=np.append(a,b)>>> time2=now()>>> print time2-time128.2316728446>>> a=np.arange(9999)>>> b=np.arange(9999)>>> time1=now()>>> c=np.concatenate((a,b),axis=0)>>> time2=now()>>> print time2-time120.3934997107

可知，concatenate()效率更高，适合大规模的数据拼接

PS：更多示例

import numpy as npa = np.array([[1, 2], [3, 4]])a.shapeOut[3]: (2, 2)b = np.array([[5, 6]])b.shapeOut[5]: (1, 2)np.concatenate((a, b))Out[6]: array([[1, 2], [3, 4], [5, 6]])c= np.concatenate((a, b))c.shapeOut[8]: (3, 2)d = np.concatenate((a, b), axis=0)d.shapeOut[10]: (3, 2)e = np.concatenate((a, b), axis=1)Traceback (most recent call last): File "<ipython-input-11-05a280a2cb02>", line 1, in <module> e = np.concatenate((a, b), axis=1)ValueError: all the input array dimensions except for the concatenation axis must match exactlye = np.concatenate((a, b.T), axis=1)e.shapeOut[13]: (2, 3)import numpy as npa = np.array([[1, 2], [3, 4]])a.shapeOut[3]: (2, 2)b = np.array([[5, 6]])b.shapeOut[5]: (1, 2)np.concatenate((a, b))Out[6]: array([[1, 2], [3, 4], [5, 6]])c= np.concatenate((a, b))c.shapeOut[8]: (3, 2)d = np.concatenate((a, b), axis=0)d.shapeOut[10]: (3, 2)e = np.concatenate((a, b), axis=1)Traceback (most recent call last): File "<ipython-input-11-05a280a2cb02>", line 1, in <module> e = np.concatenate((a, b), axis=1)ValueError: all the input array dimensions except for the concatenation axis must match exactlye = np.concatenate((a, b.T), axis=1)e.shapeOut[13]: (2, 3)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。