Numpy 将二维数组与一维数组连接起来

Posted 2023-02-24

【中文标题】Numpy 将二维数组与一维数组连接起来

【英文标题】：Numpy concatenate 2D arrays with 1D array

【发布时间】：2015-07-30 01:37:40

【问题描述】：

我正在尝试连接 4 个数组，一个 1D 形状数组 (78427,) 和 3 个 2D 形状数组 (78427, 375/81/103)。基本上这是 4 个数组，包含 78427 个图像的特征，其中 1D 数组每个图像只有 1 个值。

我尝试如下连接数组：

>>> print X_Cscores.shape
(78427, 375)
>>> print X_Mscores.shape
(78427, 81)
>>> print X_Tscores.shape
(78427, 103)
>>> print X_Yscores.shape
(78427,)
>>> np.concatenate((X_Cscores, X_Mscores, X_Tscores, X_Yscores), axis=1)

这会导致以下错误：

Traceback（最近一次调用最后一次）： 文件“”，第 1 行，在 ValueError: 所有输入数组的维数必须相同

问题似乎是一维数组，但我真的不明白为什么（它也有 78427 个值）。我尝试在连接一维数组之前对其进行转置，但这也没有用。

任何关于连接这些数组的正确方法的帮助将不胜感激！

【参考方案1】：

尝试连接 X_Yscores[:, None]（或 X_Yscores[:, np.newaxis]，如 imaluengo 建议的那样）。这会从一维数组中创建一个二维数组。

例子：

A = np.array([1, 2, 3])
print A.shape
print A[:, None].shape

输出：

(3,)
(3,1)

【讨论】：

只是指出A[:, np.newaxis] 与A[:, None] 具有相同的行为，并且有时可以更直观（实际上是np.newaxis == None）。

但是，只有当两者具有相同的维度时，这才是正确的。在大多数情况下，我最终得到的数组 A 的形状为 (8400,)，而数组 B 的形状为 (8399, 21)。如何截断/删除 A 的最后几行，以便 A 和 B 具有相同的形状，例如 (8399,) 和 (8399, 21) 。请指教。

np.newaxis 很直观，但我仍然不明白为什么A[:, None] 有效。谁能帮我理解这个？

之所以有效，是因为"newaxis is an alias for None" 并使用None 进行索引告诉 NumPy 添加维度。所以一维数组被转换成一个二维数组，它有轴 0 和轴 1。

【参考方案2】：

你可以试试这个单行：

concat = numpy.hstack([a.reshape(dim,-1) for a in [Cscores, Mscores, Tscores, Yscores]])

这里的“秘密”是在一个轴上使用已知的通用尺寸进行整形，另一个轴使用-1，它会自动匹配大小（如果需要，创建一个新轴）。

【讨论】：

可以在这里提供帮助：***.com/questions/48676461/…

一个概括：np.concatenate([a.reshape(*shape,-1) for a in my_arrays],axis=-1)，其中“shape”是已知维度的形状，除了最后。

【参考方案3】：

我不确定你是否想要这样的东西：

a = np.array( [ [1,2],[3,4] ] )
b = np.array( [ 5,6 ] )

c = a.ravel()
con = np.concatenate( (c,b ) )

array([1, 2, 3, 4, 5, 6])

或

np.column_stack( (a,b) )

array([[1, 2, 5],
       [3, 4, 6]])

np.row_stack( (a,b) )

array([[1, 2],
       [3, 4],
       [5, 6]])

【讨论】：

对此有任何想法：***.com/questions/48676461/…