组合NumPy阵列

我有两个20x100x3 NumPy阵列，我想组合成一个40 x 100 x 3阵列，也就是说，只需在阵列中添加更多行。我很困惑我想要什么功能：它是vstack，hstack，column_stack还是其他的东西？组合NumPy阵列

2011-07-18 Double AA

我相信这是你想要vstack

p=array_2 
q=array_2 
p=numpy.vstack([p,q])

来源

2011-07-18 22:51:15 Giltech

不确定为什么我第一次访问该页面时没有显示您的答案。 +1用于首先推荐vstack。 – JoshAdel

请注意，文档建议现在使用'stack'或'concatenate'，并且vstack仅支持向后兼容性，请参阅：https：//docs.scipy.org/doc/numpy-1.13.0/reference/generated/ numpy.vstack.html – NOhs

一的学习实验的最佳方式，但我要说你想np.vstack虽然有做同样的事情的其他方式：

a = np.ones((20,100,3)) 
b = np.vstack((a,a)) 

print b.shape # (40,100,3)

或

b = np.concatenate((a,a),axis=0)

编辑

正如一个音符，我的机器在OP的问题大小的数组，我发现np.concatenate大约为2x比np.vstack

In [172]: a = np.random.normal(size=(20,100,3)) 

In [173]: c = np.random.normal(size=(20,100,3)) 

In [174]: %timeit b = np.concatenate((a,c),axis=0) 
100000 loops, best of 3: 13.3 us per loop 

In [175]: %timeit b = np.vstack((a,c)) 
10000 loops, best of 3: 26.1 us per loop

来源

2011-07-18 23:25:27 JoshAdel

奇怪，但谢谢，现在我可以留下第一个评论。 – Giltech

我可能是，在这里很愚蠢，因为我没有多少时间使用timeit，但是连接起来不会占用10倍的循环吗？ – Giltech

@Giltech，而timeit使用10倍以上的循环来测试'np.concatenate'（它似乎自动选择这个），这里的重要数字是每个循环的时间 – JoshAdel

快可能是值得一提的

np.concatenate((a1, a2, ...), axis=0)

是一般形式，vstack和hstack是特定情况。我发现最简单的方法就是知道我想堆叠哪个维度，并将其作为np.concatenate的参数提供。

来源

2011-07-20 19:31:22 i3enhamin

顺便说一句，还有r_：

>>> from scipy import * 
>>> a = rand(20,100,3) 
>>> b = rand(20,100,3) 
>>> a.shape 
(20, 100, 3) 
>>> b.shape 
(20, 100, 3) 
>>> r_[a,b].shape 
(40, 100, 3) 
>>> (r_[a,b] == vstack([a,b])).all() 
True

来源

2011-07-21 03:06:50 wim

我试图R_和vstack和结果之间的一个小Benchmark是很有意思：

import numpy as np 

NCOLS = 10 
NROWS = 2 
NMATRICES = 10000 

def mergeR(matrices): 
    result = np.zeros([0, NCOLS]) 

    for m in matrices: 
     result = np.r_[ result, m] 

def mergeVstack(matrices): 
    result = np.vstack(matrices) 

def main(): 
    matrices = tuple(np.random.random([NROWS, NCOLS]) for i in xrange(NMATRICES)) 
    mergeR(matrices) 
    mergeVstack(matrices) 

    return 0 

if __name__ == '__main__': 
    main()

然后我跑探查：

python -m cProfile -s cumulative np_merge_benchmark.py

和结果：

ncalls tottime percall cumtime percall filename:lineno(function) 
... 
    1 0.579 0.579 4.139 4.139 np_merge_benchmark.py:21(mergeR) 
... 
    1 0.000 0.000 0.054 0.054 np_merge_benchmark.py:27(mergeVstack)

所以vstack的方式是77倍快！

来源

2013-01-30 15:43:02

回答

相关问题