Un guide pratique sur les méthodes d'épissage de tableaux numpy

Guide pratique : Comment utiliser de manière flexible la méthode d'épissage de tableaux numpy

Introduction :
Dans le processus d'analyse de données et de calcul scientifique, nous avons souvent besoin d'épisser des tableaux pour réaliser la combinaison et l'intégration des données. Numpy est une importante bibliothèque de calcul scientifique en Python. Elle fournit une multitude de fonctions d'opération de tableau, y compris une variété de méthodes d'épissage de tableau. Cet article présentera plusieurs méthodes d'épissage de tableaux Numpy couramment utilisées et donnera des exemples de code spécifiques pour aider les lecteurs à maîtriser leurs compétences d'utilisation.

1. vstack et hstack
La méthode vstack est utilisée pour assembler deux tableaux dans le sens vertical, c'est-à-dire pour connecter les tableaux dans le sens des lignes. La méthode hstack est utilisée pour assembler deux tableaux dans le sens horizontal, c'est-à-dire pour connecter les tableaux dans le sens des colonnes.

Exemple de code :
importer numpy en tant que np

Créer deux tableaux à épisser

array1 = np.array([[1, 2, 3],

               [4, 5, 6]])

array2 = np.array([[7, 8, 9],

               [10, 11, 12]])

Utilisez vstack pour l'épissage vertical

result_vstack = np.vstack((array1, array2))
print("Résultat d'épissage vertical :", result_vstack)

Utilisez hstack pour l'épissage horizontal

result_hstack = np . hstack((array1, array2))
print("Résultat de l'assemblage horizontal : ", result_hstack)

Exemple de sortie :
Résultat de l'assemblage vertical :
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9] . .. Pour les opérations d'épissage dans différentes directions, les paramètres communs sont 0 et 1, qui représentent respectivement l'épissage dans les directions verticale et horizontale

Exemple de code :

importer numpy en tant que np

Créer deux tableaux à épisser

array1 =. np.array([[1, 2, 3],

               [4, 5, 6]])

array2 = np.array([[7, 8, 9],

               [10, 11, 12]])

Utilisez la fonction de concaténation pour l'épissage

result_vertical = np.concatenate((array1 , array2), axis=0) # Concaténer dans le sens vertical

result_horizontal = np.concatenate((array1, array2), axis=1) # Concaténer dans le sens horizontal

print("Résultat de la concaténation verticale :", result_vertical)

print("Résultat de l'assemblage horizontal : ", result_horizontal)

Exemple de sortie :

Résultat de l'assemblage vertical :

[[ 1 2 3]
[ 4 5 6]

[ 7 8 9]

[10 11 12]]

Résultats de l'épissage horizontal :

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

3. Extension de la fonction de pile
En plus des méthodes d'épissage ci-dessus, Numpy fournit également une fonction de pile, qui peut insérer de nouvelles dimensions à des positions spécifiées et effectuer des opérations d’épissage. L'utilisation spécifique de la fonction stack est la suivante :

Exemple de code :

importer numpy en tant que np

Créer deux tableaux à épisser

array1 = np.array([1, 2, 3])
array2 = np. array([ 4, 5, 6])

Utiliser la pile pour l'épissage

result_vertical = np.stack((array1, array2), axis=0) # Épissage dans de nouvelles dimensions

result_horizontal = np.stack((array1, array2 ), axis =1) # Épissage dans de nouvelles dimensions

print("L'épissage aboutit à de nouvelles dimensions :", result_vertical)
print("L'épissage aboutit à de nouvelles dimensions :", result_horizontal)

Exemple de sortie :

Épissage dans de nouvelles dimensions Résultat :

[[1 2 3]
[4 5 6]]

Résultat de l'épissage dans de nouvelles dimensions :
[[1 4]

[2 5]

[3 6]]

Conclusion :
Cet article présente Commonly Les méthodes d'épissage de tableaux utilisées dans Numpy incluent vstack, hstack, concatenate et stack. Grâce à des exemples de code réels, les lecteurs peuvent utiliser de manière flexible ces méthodes d’épissage de tableaux pour combiner et intégrer des données. Dans l'analyse des données réelles et les calculs scientifiques, l'utilisation rationnelle de ces méthodes d'épissage peut améliorer l'efficacité et la simplicité du code et apporter de la commodité à notre travail.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!