Funkcja concatenate() jest funkcją z pakietu NumPy. Ta funkcja zasadniczo łączy ze sobą tablice NumPy. Ta funkcja jest zasadniczo używana do łączenia dwóch lub więcej tablic o tym samym kształcie wzdłuż określonej osi. Są następujące rzeczy, o których koniecznie należy pamiętać:
- Concatenate() NumPy nie przypomina tradycyjnego łączenia bazy danych. To jest jak układanie tablic NumPy.
- Funkcja ta może działać zarówno w pionie, jak i w poziomie. Oznacza to, że możemy łączyć tablice w poziomie lub w pionie.
Funkcja concatenate() jest zwykle zapisywana jako np.concatenate(), ale możemy ją również zapisać jako numpy.concatenate(). Zależy to od sposobu importowania pakietu numpy, odpowiednio importuj numpy jako np lub importuj numpy.
Składnia
numpy.concatenate((a1, a2, ...), axis)
Parametry
1) (a1, a2, ...)
Parametr ten określa kolejność tablic. Tutaj a1, a2, a3 ... są tablicami, które mają ten sam kształt, z wyjątkiem wymiaru odpowiadającego osi.
reżyser Karan Johar
2) oś: int (opcjonalnie)
Java long do int
Parametr ten określa oś wzdłuż której szyk będzie łączony. Domyślnie jego wartość wynosi 0.
Wynik
Zwróci ndarray zawierający elementy obu tablic.
Przykład 1: numpy.concatenate()
import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y)) z
W powyższym kodzie
- Zaimportowaliśmy numpy z aliasem np.
- Utworzyliśmy tablicę „x” za pomocą funkcji np.array().
- Następnie utworzyliśmy kolejną tablicę „y”, używając tej samej funkcji np.array().
- Zadeklarowaliśmy zmienną „z” i przypisaliśmy wartość zwróconą przez funkcję np.concatenate().
- W funkcji przekazaliśmy tablicę „x” i „y”.
- Na koniec próbowaliśmy wydrukować wartość „z”.
Na wyjściu wartości obu tablic, tj. „x” i „y”, pokazane zgodnie z osią = 0.
Wyjście:
stół reakcji
array([[ 1, 2], [ 3, 4], [12, 30]])
Przykład 2: numpy.concatenate() z osią=0
import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y), axis=0) z
Wyjście:
array([[ 1, 2], [ 3, 4], [12, 30]])
Przykład 3: numpy.concatenate() z osią=1
import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y.T), axis=1) z
Wyjście:
array([[ 1, 2, 12], [ 3, 4, 30]])
W powyższym przykładzie litera „.T” zamieniła wiersze na kolumny, a kolumny na wiersze.
Przykład 4: numpy.concatenate() z osią=Brak
import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y), axis=None) z
Wyjście:
wybierz jako
array([ 1, 2, 3, 4, 12, 30])
W powyższych przykładach użyliśmy funkcji np.concatenate(). Funkcja ta nie zachowuje maskowania wejść MaskedArray. Istnieje następujący sposób łączenia tablic, które pozwalają zachować maskowanie danych wejściowych MaskedArray.
Przykład 5: np.ma.concatenate()
import numpy as np x=np.ma.arange(3) y=np.arange(3,6) x[1]=np.ma.masked x y z1=np.concatenate([x,y]) z2=np.ma.concatenate([x,y]) z1 z2
W powyższym kodzie
- Zaimportowaliśmy numpy z aliasem np.
- Utworzyliśmy tablicę „x” za pomocą funkcji np.ma.arrange().
- Następnie utworzyliśmy kolejną tablicę „y”, używając tej samej funkcji np.ma.arrange().
- Zadeklarowaliśmy zmienną „z1” i przypisaliśmy wartość zwróconą przez funkcję np.concatenate().
- Zadeklarowaliśmy zmienną „z2” i przypisaliśmy wartość zwróconą przez funkcję np.ma.concatenate().
- Na koniec próbowaliśmy wydrukować wartości „z1” i „z2”.
Na wyjściu wartości obu tablic „z1” i „z2” zachowały maskowanie wejścia MaskedArray.
Wyjście:
masked_array(data=[0, --, 2], mask=[False, True, False], fill_value=999999) array([3, 4, 5]) masked_array(data=[0, 1, 2, 3, 4, 5], mask=False, fill_value=999999) masked_array(data=[0, --, 2, 3, 4, 5], mask=[False, True, False, False, False, False], fill_value=999999)