numpy中有很多關(guān)于兩個array的操作，疊加方式以及疊加后的維度經(jīng)常令人迷惑，這篇文章總價一下。

一、 疊加操作

1.add

逐元素操作，若是array + 常量會廣播到每個元素，若是array + array則要求兩個array的shape一致。

end = '\n'+'*'*50+'\n'
a = np.array([[1,2],[3,4]])
b = np.array([[5,6], [7,8]])
print(a+1, end=end)
print(a+b)

輸出：

[[2 3]
 [4 5]]
**************************************************
[[ 6  8]
 [10 12]]

2.concatenate

在指定維度將兩個array進(jìn)行拼接，不會改變array的維度，要求兩個array的維度相同，且在指定的拼接維度的array size也必須相等，值得注意的是，兩個array的shape不一定一致，比較拗口，看下例子：

end = '\n'+'*'*50+'\n'
a = np.array([[1,2],[3,4]])
b = np.array([[5,6], [7,8]])
c = np.array([[5,6]])
d = np.array([5,6])
f = np.array([[5]])

a & c 的shape并不相同：

維度不一致：

長度不一致：

3.stack & hstack

stack 在垂直方向上拼接兩個array（可以指定axis），要求兩個array的shape嚴(yán)格一致，結(jié)果會增加維度；

hstack 在水平方向（第0維，不可制定axis）拼接兩個array，要求兩者的維度相同，且在第0維的size也相同，拼接結(jié)果不改變原有維度 。

stack:結(jié)果會在原有維度的基礎(chǔ)上加1

hstack，a和c在0軸的size不同：

hstack，轉(zhuǎn)置后正常拼接：

二、 size & ndim & shape

這三個概念很容易搞混，其中：

• size：指的是“元素個數(shù)”；
• ndim：維度，指的是“有多少層嵌套”，即中括號個數(shù)，同時和shape的len相等，axis=0指的是最外層中括號，往里依次遞增；
• shape：size和ndim綜合起來就是shape，兩個array的shape相同則意味著兩者的ndim相同且在每一個axis上的size也相同。

看下例子：

值得注意的是，ndim和size以及shape沒有必然聯(lián)系，一個ndim不為0的array可能一個元素也沒有：

size相同，shape和ndim也不一定相同：

總結(jié) 

到此這篇關(guān)于numpy兩個array疊加操作的文章就介紹到這了,更多相關(guān)numpy兩個array疊加內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論