我正在通過 Udacity 課程學習 NumPy。我們創建一個 2D 矩陣，然后創建另外 2 個數組，一個附加一行，另一個附加一列：Y = np.array([[1, 2, 3], [4, 5, 6]])
v = np.append(Y, [[7, 8, 9]], axis=0)
q = np.append(Y, [[9], [10]], axis=1)為什么這兩種情況下值列表的語法（使用方括號）不同？我意識到括號的使用與我們創建原始矩陣的順序相匹配，但解釋器似乎對參數有足夠的信息axis=n，不是嗎？
3 回答
蕭十郎
TA貢獻1815條經驗 獲得超13個贊
Y = np.array([[1,2,3],[4,5,6]])
這將創建一個 (2,3) 數組。
v = np.append(Y, [[7,8,9]], axis=0)
這實際上是實現為
v = np.concatenate(( Y, np.array([[7,8,9]]) ), axis=0)
也就是說，它將 (2,3) 數組與軸 0 上的 (1,3) 連接起來形成 (3,3)。
q = np.append(Y,[[9],[10]], axis=1)
在這里，它在軸 1 上將 (2,3) 與 (2,1) 連接起來，得到 (2,4)
np.concatenate除非您指定，否則假定軸為 0。它不會嘗試猜測哪個軸有效或無效。在這種q情況下使用軸 0 會導致錯誤。
還concatenate需要匹配維度數量以及非連接軸上的匹配大小。嘗試類似的事情np.concatenate((Y, [2,1]))看看我的意思。
我不喜歡np.append，因為它看起來太像列表附加，并且給初學者帶來了很多問題。如果沒有軸，它就會破壞輸入（如果不明顯，請閱讀文檔和代碼）。concatenate對于 axis，它與（再次閱讀代碼） 相同。concatenate接受許多數組的列表，而不僅僅是 2。 np.append人為地將操作限制為 2。
np.vstack、np.hstack、 和np.column_stack是在調用 之前以各種方式調整輸入尺寸的變體concatenate。它們補償了一些不匹配，例如連接行時：
np.vstack((Y, [7,8,9]))
在連接之前將 (3,) 數組轉換為 (1,3)。實際上，這是一種方便且安全的“事后猜測”。它很少會出現諸如 之類的問題np.append。
numpy（和 Python）試圖避免歧義。與再次猜測用戶相比，更有可能引發錯誤。發展的趨勢是消除允許“破壞規則”的遺留案例。
大話西游666
TA貢獻1817條經驗 獲得超14個贊
只是視覺上的補充：
# (3, 2) (3, 1)
#
# [[1, 4], | [[7],
# [2, 5], | [8],
# [3, 6]] | [9]],
# ---------
# [[7, 8]]
#
# (1, 2)
連接兩個數組時
數組必須具有相同的形狀，除了對應的維度axis
# (i, j0 , k)
# + (i, j1, k) # (concatenate)
# ---------------
# = (i, j0+j1, k)
你是對的，當將一維數組連接到二維數組時，軸參數應該足以明確地組合兩個數組，即使沒有維度匹配，但嵌套括號有助于使這一點更加明確，
素胚勾勒不出你
TA貢獻1827條經驗 獲得超9個贊
append與 非常相似concatenate：它沿著現有軸合并兩個數組。括號是我們定義跨維度分布元素的方式。
Y是形狀(2, 3)。這意味著如果您想附加到第一個軸，額外的數據必須具有 shape (M, 3)。如果要附加到第二個軸，新數據必須具有形狀(2, N)。這可以推廣到任意數量的維度：新數組的所有維度（除了要附加的維度之外）都必須具有相同的形狀。
該數組[[7, 8, 9]]具有M = 1：其形狀為(1, 3)，因此您可以將其附加到第一個軸就好了。這會向 . 添加額外的行Y。如果您嘗試附加類似 的內容[[7], [8], [9]]，則會收到錯誤，因為形狀現在是(3, 1)。如果你嘗試這樣做，你最終不會得到一個統一的數組。
該數組[[9], [10]]具有N = 1：其形狀為(2, 1)，因此您可以將其附加到第二個軸。這會向Y. [[9, 10]]有形狀(1, 2)，所以顯然它不起作用。
axis該關鍵字沒有為您提供足夠信息的原因是您并不總是附加單行或列。舉個例子：
np.append(Y, Y, axis=0) np.append(Y, Y, axis=1)
添加回答
舉報
0/150
提交
取消