np.concatenate函數

原文鏈接

numpy.concatenate((a1, a2, ...), axis=0)

1、測試代碼

 a = np.array([[1, 2], [3, 4]])
 b = np.array([[5, 6]])               b是一個二維array
 np.concatenate((a, b), axis=0)

結果

array([[1, 2],
       [3, 4],
       [5, 6]])
結論：列數必須相同，添加新的一行

2、測試代碼 

np.concatenate((a, b.T), axis=1)

結果

array([[1, 2, 5],
       [3, 4, 6]])

結論：將b轉置后添加新的一列
3、測試代碼

a = np.array([[1, 2], [3, 4]])　　　　　　　　　　　　　　　　a、b的shape為（2,2），連接第一維就變成（4,2），連接第二維就變成（2,4）
b = np.array([[5, 6], [7, 8]])
np.concatenate((a,b),axis=0)

結果：4行2列
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])
4、測試代碼

 c = np.concatenate((a,b),axis=1)

 c.shape  #查看c的維數大小

結果：2行4列

array([[1, 2, 5, 6],
       [3, 4, 7, 8]])

(2, 4)
5、高維數的連接（例如我之前使用matlab寫的hd5格式的數據）

concatenate([a, b])

連接，連接后ndim不變，a和b可以有一維size不同，但size不同的維度必須是要連接的維度

例如，a.shape為(4,5,6,10)，b.shape為(4,5,6,20)

np.concatenate([a,b], axis=3) # 返回張量的shape為(4,5,6,30)
 有助於理解的例子。第一個例子是一維的，這一維全是數字，第二個例子是二維的，實際上可以看作將數字換成向量的一維的array。第一個例子axis=0把所有的數字 連接，第二個例子axis=0就可以把所有的向量連接。第二個例子中axis=1，這表明axis=0的個數不發生變化，只變化axis=1。axis=0不發生變化，那兩個array對 應的axis=0的元素就可以進行連接。這兩個array中的元素是一維向量，就對一維向量進行連接（其實這時候就相當於第一個例子中的連接了）。 若把axis=1中的數字換成一維向量就可以推廣到3維的axis=1時的變化，若換到更高維可以推廣到更高維的變化。