A concatenate() függvény a NumPy csomag függvénye. Ez a függvény lényegében a NumPy tömböket egyesíti. Ez a funkció alapvetően két vagy több azonos alakú tömb egy meghatározott tengely mentén történő összekapcsolására szolgál. A következő dolgokat feltétlenül szem előtt kell tartani:
- A NumPy concatenate() nem olyan, mint egy hagyományos adatbázis-csatlakozás. Ez olyan, mint a NumPy tömbök egymásra halmozása.
- Ez a funkció függőlegesen és vízszintesen is működhet. Ez azt jelenti, hogy a tömböket vízszintesen vagy függőlegesen összefűzhetjük.
A concatenate() függvényt általában np.concatenate()-ként írjuk, de írhatjuk úgy is, hogy numpy.concatenate(). Ez a numpy csomag importálásának módjától függ, vagy import numpy mint np vagy import numpy.
Szintaxis
numpy.concatenate((a1, a2, ...), axis)
Paraméterek
1) (a1, a2, ...)
Ez a paraméter határozza meg a tömbök sorrendjét. Itt a1, a2, a3 ... azok a tömbök, amelyek azonos alakúak, kivéve a tengelynek megfelelő méretben.
25 c-től k-ig
2) tengely: int (nem kötelező)
interfész java-ban
Ez a paraméter határozza meg azt a tengelyt, amely mentén a tömb össze lesz kapcsolva. Alapértelmezés szerint értéke 0.
Eredmény
Egy ndarray-t fog visszaadni, amely mindkét tömb elemeit tartalmazza.
1. példa: numpy.concatenate()
import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y)) z
A fenti kódban
- Importáltuk a numpy-t np aliasnévvel.
- Létrehoztunk egy 'x' tömböt az np.array() függvény segítségével.
- Ezután létrehoztunk egy másik 'y' tömböt ugyanazzal az np.array() függvénnyel.
- Deklaráltuk a 'z' változót, és hozzárendeltük az np.concatenate() függvény visszaadott értékét.
- A függvényben átadtuk az 'x' és 'y' tömböt.
- Végül megpróbáltuk kinyomtatni a 'z' értékét.
A kimenetben mindkét tömb értékei, azaz az 'x' és 'y' a tengely szerint ábrázolva = 0.
Kimenet:
strsep
array([[ 1, 2], [ 3, 4], [12, 30]])
2. példa: numpy.concatenate() with axis=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
Kimenet:
array([[ 1, 2], [ 3, 4], [12, 30]])
3. példa: numpy.concatenate() with axis=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
Kimenet:
array([[ 1, 2, 12], [ 3, 4, 30]])
A fenti példában a „.T” a sorokat oszlopokká, az oszlopokat pedig sorokká változtatta.
4. példa: numpy.concatenate() with axis=Nincs
import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y), axis=None) z
Kimenet:
duplán a string java
array([ 1, 2, 3, 4, 12, 30])
A fenti példákban az np.concatenate() függvényt használtuk. Ez a funkció nem őrzi meg a MaskedArray bemenetek maszkolását. A következő módon fűzhetjük össze azokat a tömböket, amelyek megőrzik a MaskedArray bemenetek maszkolását.
5. példa: 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
A fenti kódban
- Importáltuk a numpy-t np aliasnévvel.
- Létrehoztunk egy 'x' tömböt az np.ma.arrange() függvény segítségével.
- Ezután létrehoztunk egy másik 'y' tömböt ugyanazzal az np.ma.arrange() függvénnyel.
- Deklaráltuk a 'z1' változót, és hozzárendeltük az np.concatenate() függvény visszaadott értékét.
- Deklaráltuk a 'z2' változót, és hozzárendeltük az np.ma.concatenate() függvény visszaadott értékét.
- Végül megpróbáltuk kinyomtatni a 'z1' és a 'z2' értékét.
A kimenetben a 'z1' és 'z2' tömb értékei megőrizték a MaskedArray bemenet maszkolását.
Kimenet:
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)