Rumah > Artikel > hujung hadapan web > Petua utama untuk menguasai kaedah penyambungan tatasusunan numpy: panduan mudah untuk bermula
Permulaan Pantas: Kuasai kemahiran utama kaedah penyambungan tatasusunan numpy
Pengenalan:
Dalam bidang analisis data dan pembelajaran mesin, selalunya perlu untuk menyambung berbilang tatasusunan untuk operasi dan analisis seterusnya. Sebagai perpustakaan pengiraan berangka yang paling biasa digunakan dalam Python, NumPy menyediakan pelbagai fungsi operasi tatasusunan, termasuk pelbagai kaedah penyambungan tatasusunan. Artikel ini akan memperkenalkan beberapa kaedah penyambungan tatasusunan numpy yang biasa digunakan dan menyediakan contoh kod khusus untuk membantu pembaca menguasai kemahiran utama ini.
1. np.concatenate()
np.concatenate() ialah salah satu kaedah penyambungan tatasusunan yang paling biasa digunakan dalam NumPy. Ia boleh menyambungkan berbilang tatasusunan mengikut paksi yang ditentukan. Berikut ialah contoh khusus untuk menggambarkan penggunaannya:
import numpy as np # 创建两个数组 a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) # 使用np.concatenate()拼接数组 c = np.concatenate((a, b)) print(c)
Jalankan kod di atas dan anda akan mendapat output:
[1 2 3 4 5 6]
Dalam contoh di atas, kami mula-mula mencipta dua tatasusunan a dan b, dan kemudian menggunakan np.concatenate() Sambungkan mereka bersama-sama dan simpan hasilnya dalam tatasusunan c. Seperti yang anda lihat, tatasusunan c mengandungi semua elemen tatasusunan a dan tatasusunan b.
2. np.vstack() dan np.hstack()
Selain np.concatenate(), NumPy juga menyediakan dua fungsi np.vstack() dan np.hstack() untuk memproses pelbagai tatasusunan Menegak (potret) dan mendatar (landskap) splicing. Penggunaan khusus kedua-dua fungsi ini diperkenalkan di bawah. Fungsi
np.vstack() digunakan untuk menyambung secara menegak berbilang tatasusunan, iaitu, menyusun tatasusunan secara menegak. Berikut ialah contoh kod untuk menggambarkan penggunaannya:
import numpy as np # 创建两个数组 a = np.array([[1, 2, 3], [4, 5, 6]]) b = np.array([[7, 8, 9], [10, 11, 12]]) # 使用np.vstack()拼接数组 c = np.vstack((a, b)) print(c)
Jalankan kod di atas, anda akan mendapat output:
[[ 1 2 3] [ 4 5 6] [ 7 8 9] [10 11 12]]
Dalam contoh di atas, kami mencipta dua tatasusunan dua dimensi a dan b, dan kemudian menggunakan np.vstack () Fungsi menggabungkannya secara menegak dan menyimpan hasilnya dalam tatasusunan c. Seperti yang anda lihat, tatasusunan c mengandungi semua baris tatasusunan a dan tatasusunan b. Fungsi
np.hstack() digunakan untuk menyambung berbilang tatasusunan secara mendatar, iaitu menyusun tatasusunan secara mendatar. Berikut ialah contoh kod untuk menggambarkan penggunaannya:
import numpy as np # 创建两个数组 a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) # 使用np.hstack()拼接数组 c = np.hstack((a, b)) print(c)
Jalankan kod di atas, anda akan mendapat output:
[1 2 3 4 5 6]
Dalam contoh di atas, kami mencipta dua tatasusunan satu dimensi a dan b, dan kemudian menggunakan np.hstack () Fungsi menggabungkannya secara mendatar dan menyimpan hasilnya dalam tatasusunan c. Seperti yang anda lihat, tatasusunan c mengandungi semua elemen tatasusunan a dan tatasusunan b.
3. np.concatenate vs. np.vstack/np.hstack
Dalam pengenalan di atas, kami memperkenalkan penggunaan tiga fungsi np.concatenate(), np.vstack() dan np.hstack() masing-masing. Jadi, apakah perbezaan antara mereka? Mari bandingkan perbezaannya: Fungsi np.concatenate() boleh digunakan pada tatasusunan satu dimensi dan tatasusunan dua dimensi, manakala fungsi np.vstack() dan np.hstack() hanya terpakai pada tatasusunan dua dimensi.
Artikel ini memperkenalkan kaedah penyambungan tatasusunan yang biasa digunakan dalam NumPy, termasuk np.concatenate(), np.vstack() dan np.hstack(). Melalui contoh kod khusus, pembaca boleh menguasai kemahiran utama ini dengan cepat dan menerapkannya secara fleksibel dalam amalan analisis data dan pembelajaran mesin. Dalam aplikasi praktikal, kaedah penyambungan yang paling sesuai perlu dipilih mengikut keperluan khusus untuk menyelesaikan tugas dengan lebih baik.
Atas ialah kandungan terperinci Petua utama untuk menguasai kaedah penyambungan tatasusunan numpy: panduan mudah untuk bermula. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!