Tableau de jonction NumPy
Joindre des tableaux NumPy
Joindre signifie mettre le contenu de deux tableaux ou plus dans un seul tableau.
En SQL, nous joignons des tables en fonction d'une clé, alors qu'en NumPy, nous joignons des tableaux par des axes.
Nous passons une séquence de tableaux que nous voulons joindre à la
concatenate()
fonction, avec l'axe. Si l'axe n'est pas explicitement passé, il est pris égal à 0.
Exemple
Joindre deux tableaux
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4,
5, 6])
arr = np.concatenate((arr1, arr2))
print(arr)
Exemple
Joignez deux tableaux 2D le long des lignes (axe = 1) :
import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 =
np.array([[5, 6], [7, 8]])
arr = np.concatenate((arr1, arr2), axis=1)
print(arr)
Joindre des tableaux à l'aide de fonctions de pile
L'empilement est identique à la concaténation, la seule différence est que l'empilement se fait le long d'un nouvel axe.
Nous pouvons concaténer deux tableaux 1-D le long du deuxième axe, ce qui aurait pour effet de les placer l'un sur l'autre, c'est-à-dire. empilement.
Nous passons une séquence de tableaux que nous voulons joindre à la
stack()
méthode avec l'axe. Si l'axe n'est pas explicitement passé, il est considéré comme 0.
Exemple
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 =
np.array([4, 5, 6])
arr = np.stack((arr1, arr2), axis=1)
print(arr)
Empiler le long des rangées
NumPy fournit une fonction d'assistance : hstack()
pour empiler le long des lignes.
Exemple
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4,
5, 6])
arr = np.hstack((arr1, arr2))
print(arr)
Empiler le long des colonnes
NumPy fournit une fonction d'assistance : vstack()
pour empiler le long des colonnes.
Exemple
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4,
5, 6])
arr = np.vstack((arr1, arr2))
print(arr)
Empilage le long de la hauteur (profondeur)
NumPy fournit une fonction d'assistance : dstack()
empiler le long de la hauteur, qui est identique à la profondeur.
Exemple
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4,
5, 6])
arr = np.dstack((arr1, arr2))
print(arr)