连接两个一维 NumPy 数组
我在 NumPy 中有两个简单的一维数组。我应该能够使用 numpy.concatenate 连接它们。但我收到以下代码的此错误：
TypeError：只有长度为 1 的数组可以转换为 Python 标量
代码
import numpy
a = numpy.array([1, 2, 3])
b = numpy.array([5, 6])
numpy.concatenate(a, b)
为什么？
np.concatenat(..., axis)。如果要垂直堆叠，请使用 np.vstack。如果要将它们水平堆叠（成多个数组），请使用 np.hstack。 （如果您想按深度堆叠它们，即第 3 维，请使用 np.dstack）。请注意，后者类似于 pandas pd.concat
该行应该是：
numpy.concatenate([a,b])
您要连接的数组需要作为序列传递，而不是作为单独的参数。
numpy.concatenate((a1, a2, ...), axis=0) 将一系列数组连接在一起。
它试图将您的 b 解释为轴参数，这就是它抱怨无法将其转换为标量的原因。
连接一维数组有多种可能性，例如，
import numpy as np
np.r_[a, a]
np.stack([a, a]).reshape(-1)
np.hstack([a, a])
np.concatenate([a, a])
对于大型阵列，所有这些选项都同样快；对于小的，concatenate 有一点优势：
https://i.stack.imgur.com/QGRpq.png
该图是使用 perfplot 创建的：
import numpy
import perfplot
perfplot.show(
setup=lambda n: numpy.random.rand(n),
kernels=[
lambda a: numpy.r_[a, a],
lambda a: numpy.stack([a, a]).reshape(-1),
lambda a: numpy.hstack([a, a]),
lambda a: numpy.concatenate([a, a]),
],
labels=["r_", "stack+reshape", "hstack", "concatenate"],
n_range=[2 ** k for k in range(19)],
xlabel="len(a)",
)
np.concatenate。他们只是事先以各种方式按摩输入列表。 np.stack 例如为所有输入数组添加一个额外的维度。看看他们的源代码。仅编译 concatenate。
np.concatenate 会复制输入。然后，这种内存和时间成本超过了“按摩”输入所花费的时间。
concatenate 的第一个参数本身应该是要连接的 数组序列：
numpy.concatenate((a,b)) # Note the extra parentheses.
另一种方法是使用“连接”的缩写形式，即“r_[...]”或“c_[...]”，如下面的示例代码所示（有关更多信息，请参见 http://wiki.scipy.org/NumPy_for_Matlab_Users）：
%pylab
vector_a = r_[0.:10.] #short form of "arange"
vector_b = array([1,1,1,1])
vector_c = r_[vector_a,vector_b]
print vector_a
print vector_b
print vector_c, '\n\n'
a = ones((3,4))*4
print a, '\n'
c = array([1,1,1])
b = c_[a,c]
print b, '\n\n'
a = ones((4,3))*4
print a, '\n'
c = array([[1,1,1]])
b = r_[a,c]
print b
print type(vector_b)
结果是：
[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
[1 1 1 1]
[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 1. 1. 1. 1.]
[[ 4. 4. 4. 4.]
[ 4. 4. 4. 4.]
[ 4. 4. 4. 4.]]
[[ 4. 4. 4. 4. 1.]
[ 4. 4. 4. 4. 1.]
[ 4. 4. 4. 4. 1.]]
[[ 4. 4. 4.]
[ 4. 4. 4.]
[ 4. 4. 4.]
[ 4. 4. 4.]]
[[ 4. 4. 4.]
[ 4. 4. 4.]
[ 4. 4. 4.]
[ 4. 4. 4.]
[ 1. 1. 1.]]
vector_b = [1,1,1,1] #short form of "array"，这根本不是真的。 vector_b 将是标准的 Python 列表类型。然而，Numpy 非常擅长接受序列，而不是强制所有输入为 numpy.array 类型。
以下是使用 numpy.ravel()、numpy.array() 的更多方法，利用一维数组可以解压缩为普通元素的事实：
# we'll utilize the concept of unpacking
In [15]: (*a, *b)
Out[15]: (1, 2, 3, 5, 6)
# using `numpy.ravel()`
In [14]: np.ravel((*a, *b))
Out[14]: array([1, 2, 3, 5, 6])
# wrap the unpacked elements in `numpy.array()`
In [16]: np.array((*a, *b))
Out[16]: array([1, 2, 3, 5, 6])
来自 numpy docs 的更多事实：
语法为 numpy.concatenate((a1, a2, ...), axis=0, out=None)
axis = 0 表示按行连接 axis = 1 表示按列连接
>>> a = np.array([[1, 2], [3, 4]])
>>> b = np.array([[5, 6]])
# Appending below last row
>>> np.concatenate((a, b), axis=0)
array([[1, 2],
[3, 4],
[5, 6]])
# Appending after last column
>>> np.concatenate((a, b.T), axis=1) # Notice the transpose
array([[1, 2, 5],
[3, 4, 6]])
# Flattening the final array
>>> np.concatenate((a, b), axis=None)
array([1, 2, 3, 4, 5, 6])
我希望它有帮助！
关注公众号
不定期副业成功案例分享
numpy.concatenate(a1, a2, a3)或numpy.concatenate(*[a1, a2, a3])一样使用它。 Python 的流畅性足以使差异最终感觉更像是表面上的而不是实质上的，但是当 API 一致时（例如，如果所有采用可变长度参数列表的 numpy 函数都需要显式序列）就很好。def concatx(*sequences, **kwargs)）。这并不理想，因为您似乎无法以这种方式在签名中明确命名关键字 args，但有一些解决方法。