Python np.concatenate使用详解

1. 引言

np.concatenate 是 NumPy 库中用于数组拼接的一个函数。本文将详细介绍该函数的用法，包括使用方法、参数详解以及示例代码。

2. 函数介绍

np.concatenate 是一个将两个或多个数组沿指定轴(axis)连接在一起的函数。它的语法格式如下：

np.concatenate((arrays, axis=0))

其中，arrays参数是一个序列或数组的序列，表示需要连接的数组；axis参数表示连接的轴，默认为0。

3. 使用方法

3.1 沿指定轴连接

首先，我们需要导入 NumPy 库：

import numpy as np

然后，我们可以创建一些示例数组：

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr3 = np.array([7, 8, 9])

接下来，我们使用 np.concatenate 函数将这些数组沿第0轴连接在一起：

result = np.concatenate((arr1, arr2, arr3), axis=0)
print(result)

运行结果为：

[1 2 3 4 5 6 7 8 9]

在上述示例中，我们创建了3个一维数组 arr1、arr2、arr3，然后使用 np.concatenate 将它们沿第0轴连接在一起。结果是一个包含所有元素的一维数组。

3.2 沿不同轴连接

除了沿第0轴连接之外，我们还可以沿其他轴进行连接。例如，我们可以创建两个二维数组：

arr4 = np.array([[1, 2, 3],
                 [4, 5, 6]])
arr5 = np.array([[7, 8, 9],
                 [10, 11, 12]])

然后，我们可以使用 np.concatenate 函数将这两个数组沿第1轴连接在一起：

result = np.concatenate((arr4, arr5), axis=1)
print(result)

运行结果为：

[[ 1  2  3  7  8  9]
 [ 4  5  6 10 11 12]]

在上面的示例中，我们创建了两个二维数组 arr4 和 arr5，然后使用 np.concatenate 函数将它们沿第1轴连接在一起。结果是一个包含所有元素的二维数组。

3.3 按特定轴连接

在某些情况下，我们可能只想在特定的轴上连接数组。在这种情况下，我们可以指定 axis 参数的值。例如，我们创建了两个三维数组：

arr6 = np.array([[[1, 2, 3], [4, 5, 6]],
                 [[7, 8, 9], [10, 11, 12]]])
arr7 = np.array([[[13, 14, 15], [16, 17, 18]],
                 [[19, 20, 21], [22, 23, 24]]])

然后，我们可以使用 np.concatenate 函数将这两个数组沿第2轴连接在一起：

result = np.concatenate((arr6, arr7), axis=2)
print(result)

运行结果为：

[[[ 1  2  3 13 14 15]
  [ 4  5  6 16 17 18]]
 [[ 7  8  9 19 20 21]
  [10 11 12 22 23 24]]]

在上面的示例中，我们创建了两个三维数组 arr6 和 arr7，然后使用 np.concatenate 函数将它们沿第2轴连接在一起。结果是一个包含所有元素的三维数组。

4. 参数详解

4.1 arrays

arrays 参数是一个需要连接的数组序列。可以是数组、列表或元组。

4.2 axis

axis 参数表示连接的轴，默认为0。可以是整数或整数元组。如果 axis 是整数，则表示连接的轴；如果 axis 是整数元组，表示连接的多个轴。

5. 示例代码

下面是一些示例代码，展示了 np.concatenate 函数的用法：

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr3 = np.array([7, 8, 9])
result = np.concatenate((arr1, arr2, arr3), axis=0)
print(result)

arr4 = np.array([[1, 2, 3],
                 [4, 5, 6]])
arr5 = np.array([[7, 8, 9],
                 [10, 11, 12]])
result = np.concatenate((arr4, arr5), axis=1)
print(result)

arr6 = np.array([[[1, 2, 3], [4, 5, 6]],
                 [[7, 8, 9], [10, 11, 12]]])
arr7 = np.array([[[13, 14, 15], [16, 17, 18]],
                 [[19, 20, 21], [22, 23, 24]]])
result = np.concatenate((arr6, arr7), axis=2)
print(result)

运行结果为：

[1 2 3 4 5 6 7 8 9]
[[ 1  2  3  7  8  9]
 [ 4  5  6 10 11 12]]
[[[ 1  2  3 13 14 15]
  [ 4  5  6 16 17 18]]
 [[ 7  8  9 19 20 21]
  [10 11 12 22 23 24]]]