# List of arrays.
L = [np.random.randn(5,4,2,5,1,2) for i in range(10)]
# Stack them using axis=0.
M = np.stack(L)
M.shape # == (10,5,4,2,5,1,2)
np.all(M == L) # == True
M = np.stack(L, axis=1)
M.shape # == (5,10,4,2,5,1,2)
np.all(M == L) # == False (Don't Panic)
# This are all true
np.all(M[:,0,:] == L[0]) # == True
all(np.all(M[:,i,:] == L[i]) for i in range(10)) # == True
>>> LIST = [np.array([1, 2, 3, 4, 5]), np.array([1, 2, 3, 4, 5]),np.array([1,2,3,4,5])]
>>> s = np.vstack(LIST)
>>> s.shape
(3, 5)
>>> s = np.vstack([])
ValueError: need at least one array to concatenate
字符串 另一种选择是重塑
>>> s = np.reshape(LIST, (len(LIST),5))
>>> s.shape
(3, 5)
>>> LIST = []
>>> s = np.reshape(LIST, (len(LIST),5))
>>> s.shape
(0,5)
5条答案
按热度按时间hyrbngr71#
通常,您可以沿沿着任何轴连接整个数组序列:
字符串
但是你需要考虑列表中每个数组的形状和维数(对于一个2维的3x 5输出,你需要确保它们都是2维的n-by-5数组)。如果你想把1维数组连接起来作为一个2维输出的行,你需要扩展它们的维数。
正如Jorge的回答所指出的,还有numpy 1.10中引入的函数
stack
:型
这是一种互补的方法:它为每个输入数组创建一个新的视图,并在连接之前添加一个额外的维度(在本例中,在左侧,因此每个
n
元素的一维数组变成一个1 ×n
的二维数组)。只有当所有输入数组都具有相同的形状时,它才有效。vstack
(或等价的row_stack
)通常是一个可扩展的解决方案,因为它将接受一个一维和/或二维数组的序列,并在必要时自动扩展维度,并且只在必要时,在将整个列表连接在一起之前。如果需要新的维度,它将添加到左侧。同样,您可以一次连接整个列表而无需重新配置:型
语法快捷方式
numpy.r_[ array1, ...., arrayN ]
也展示了这种灵活的行为(注意方括号)。这对于连接几个显式命名的数组很好,但在您的情况下它变得不那么可读,因为[]
下标将不接受list
。您需要将您的序列转换为tuple
:numpy.r_[tuple(LIST)]
。简单地使用vstack()
更具可读性。还有一个类似的函数
column_stack
和快捷方式c_[...]
,用于水平(按列)堆叠,以及一个 * 几乎 * 类似的函数hstack
-尽管由于某种原因后者不太灵活(它对输入数组的维度更严格,并试图将一维数组端到端连接,而不是将它们视为列)。最后,在一维阵列的垂直堆叠的特定情况下,以下也起作用:
型
.因为数组可以从其他数组的序列中构造出来,在开始处添加一个新的维度。
92dk7w1h2#
从NumPy版本1.10开始,我们有了stack方法。它可以堆叠任何维度的数组(所有相等):
字符串
好好享受,
brgchamk3#
我检查了一些方法的速度性能,发现**没有区别!**唯一的区别是,使用一些方法,你必须仔细检查尺寸。
时间:
字符串
正如你所看到的,我尝试了两个实验-使用
np.random.rand(10000)
和np.random.rand(1, 10000)
,如果我们使用2d数组,而不是np.stack
和np.array
创建额外的维度-结果。形状是(1,1000,10000)和(10000,1,10000),所以他们需要额外的操作来避免这种情况。代码:
型
f1tvaqid4#
另一个解决方案是使用
asarray
函数:numpy.asarray(LIST)
koaltpgm5#
我发现了一个更健壮的numpy函数
reshape
。stack
和vstack
的问题是,它对空列表失败。字符串
另一种选择是重塑
型
缺点是,您需要知道内部数组的长度/形状