
- NumPy 教程
- NumPy - 首頁
- NumPy - 簡介
- NumPy - 環境配置
- NumPy 陣列
- NumPy - ndarray 物件
- NumPy - 資料型別
- NumPy 陣列的建立和操作
- NumPy - 陣列建立函式
- NumPy - 陣列操作
- NumPy - 從現有資料建立陣列
- NumPy - 從數值範圍建立陣列
- NumPy - 陣列迭代
- NumPy - 陣列重塑
- NumPy - 陣列拼接
- NumPy - 陣列堆疊
- NumPy - 陣列分割
- NumPy - 陣列扁平化
- NumPy - 陣列轉置
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高階索引
- NumPy 陣列屬性和操作
- NumPy - 陣列屬性
- NumPy - 陣列形狀
- NumPy - 陣列大小
- NumPy - 陣列步長
- NumPy - 陣列元素大小
- NumPy - 廣播
- NumPy - 算術運算
- NumPy - 陣列加法
- NumPy - 陣列減法
- NumPy - 陣列乘法
- NumPy - 陣列除法
- NumPy 高階陣列運算
- NumPy - 交換陣列軸
- NumPy - 位元組交換
- NumPy - 副本和檢視
- NumPy - 元素級陣列比較
- NumPy - 陣列過濾
- NumPy - 陣列連線
- NumPy - 排序、搜尋和計數函式
- NumPy - 陣列搜尋
- NumPy - 陣列並集
- NumPy - 查詢唯一行
- NumPy - 建立日期時間陣列
- NumPy - 二元運算子
- NumPy - 字串函式
- NumPy - 數學函式
- NumPy - 統計函式
- NumPy - 矩陣庫
- NumPy - 線性代數
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 繪製直方圖
- NumPy - NumPy 的 I/O 操作
- NumPy 排序和高階操作
- NumPy - 陣列排序
- NumPy - 沿軸排序
- NumPy - 使用花式索引排序
- NumPy - 結構化陣列
- NumPy - 建立結構化陣列
- NumPy - 操作結構化陣列
- NumPy - 欄位訪問
- NumPy - 記錄陣列
- NumPy - 載入陣列
- NumPy - 儲存陣列
- NumPy - 向陣列追加值
- NumPy - 交換陣列列
- NumPy - 向陣列插入軸
- NumPy 處理缺失資料
- NumPy - 處理缺失資料
- NumPy - 識別缺失值
- NumPy - 刪除缺失資料
- NumPy - 缺失資料插補
- NumPy 效能最佳化
- NumPy - 使用陣列進行效能最佳化
- NumPy - 使用陣列進行向量化
- NumPy - 陣列的記憶體佈局
- NumPy 線性代數
- NumPy - 線性代數
- NumPy - 矩陣庫
- NumPy - 矩陣加法
- NumPy - 矩陣減法
- NumPy - 矩陣乘法
- NumPy - 元素級矩陣運算
- NumPy - 點積
- NumPy - 矩陣求逆
- NumPy - 行列式計算
- NumPy - 特徵值
- NumPy - 特徵向量
- NumPy - 奇異值分解
- NumPy - 求解線性方程
- NumPy - 矩陣範數
- NumPy 元素級矩陣運算
- NumPy - 求和
- NumPy - 平均值
- NumPy - 中位數
- NumPy - 最小值
- NumPy - 最大值
- NumPy 集合運算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 並集
- NumPy - 差集
- NumPy 有用資源
- NumPy 編譯器
- NumPy - 快速指南
- NumPy - 有用資源
- NumPy - 討論
NumPy concatenate() 函式
NumPy 的concatenate()函式用於沿現有軸連線一系列陣列。此函式接收一個要連線的陣列元組或列表,以及一個可選的axis引數,該引數指定要沿其連線陣列的軸。
如果沒有提供axis,則在連線之前會將陣列展平。此函式對於組合各種維度的陣列非常有用,無論是在垂直方向、水平方向還是沿任何指定的軸堆疊它們。
語法
NumPy concatenate() 函式的語法如下:
numpy.concatenate((a1, a2, ...), axis=0, out=None, dtype=None, casting="same_kind")
引數
以下是 NumPy concatenate() 函式的引數:
- a1, a2, ...: array_like : 這些是要連線的陣列。除了對應於axis的維度之外,它們必須具有相同的形狀。
- axis(int, 可選): 要沿其連線陣列的軸。預設為 0。如果 axis 為 None,則在使用前會將陣列展平。
- out(ndarray, 可選): 如果提供,則為放置結果的目標位置。它必須具有正確的形狀才能容納輸出。
- dtype(資料型別, 可選): 用於輸出陣列的型別。預設情況下,dtype 將從輸入推斷。
- casting({'no', 'equiv', 'safe', 'same_kind', 'unsafe'}, 可選): 控制可以發生哪種資料轉換。預設為 'same_kind'。
返回值
它返回連線後的陣列。
示例 1
以下示例演示了 NumPy concatenate() 函式,它演示了沿預設軸 (axis=0) 連線兩個一維陣列,從而得到一個一維陣列:
import numpy as np # Define two 1-D arrays array1 = np.array([1, 2, 3]) array2 = np.array([4, 5, 6]) # Concatenate along the default axis (axis=0) result = np.concatenate((array1, array2)) print("Result of concatenation:", result)
輸出
Result of concatenation: [1 2 3 4 5 6]
示例 2
在下面的示例中,我們演示瞭如何沿行 (axis=0) 連線兩個二維陣列,從而得到一個具有更多行的二維陣列。
import numpy as np # Define two 2-D arrays array1 = np.array([[1, 2], [3, 4]]) array2 = np.array([[5, 6], [7, 8]]) # Concatenate along axis 0 (rows) result = np.concatenate((array1, array2), axis=0) print("Result of concatenation along axis 0:", result)
輸出
Result of concatenation along axis 0: [[1 2] [3 4] [5 6] [7 8]]
示例 3
透過在 concatenate() 函式中定義 axis=1,我們可以沿列連線兩個二維陣列,從而得到一個具有更多列的二維陣列。以下是它的示例:
import numpy as np # Define two 2-D arrays array1 = np.array([[1, 2], [3, 4]]) array2 = np.array([[5, 6], [7, 8]]) # Concatenate along axis 1 (columns) result = np.concatenate((array1, array2), axis=1) print("Result of concatenation along axis 1:", result)
輸出
Result of concatenation along axis 1: [[1 2 5 6] [3 4 7 8]]
numpy_array_manipulation.htm
廣告