0

我从 NumPy 开始。

给定两个np.arraysqueu和new_path：

queu = [ [[0 0]
          [0 1]]
       ]

new_path = [ [[0 0]
              [1 0]
              [2 0]]
           ]

我的目标是获得以下内容queu：

queu = [ [[0 0]
          [0 1]]
         [[0 0]
          [1 0]
          [2 0]]
       ]

我试过了：

np.append(queu, new_path, 0)

和

np.vstack((queu, new_path))

但两者都在提高

除连接轴外的所有输入数组维度必须完全匹配

我没有得到 NumPy 的哲学。我究竟做错了什么？

4

3 回答 3

1

你需要的是np.hstack

In [73]: queu = np.array([[[0, 0],
                            [0, 1]]
                         ])
In [74]: queu.shape
Out[74]: (1, 2, 2)

In [75]: new_path = np.array([ [[0, 0],
                                [1, 0],
                                [2, 0]]
                             ])

In [76]: new_path.shape
Out[76]: (1, 3, 2)

In [81]: np.hstack((queu, new_path))
Out[81]: 
array([[[0, 0],
        [0, 1],
        [0, 0],
        [1, 0],
        [2, 0]]])
于 2016-12-24T15:37:57.597 回答
1 
In [741]: queu = np.array([[[0,0],[0,1]]])
In [742]: new_path = np.array([[[0,0],[1,0],[2,0]]])
In [743]: queu
Out[743]: 
array([[[0, 0],
        [0, 1]]])
In [744]: queu.shape
Out[744]: (1, 2, 2)
In [745]: new_path
Out[745]: 
array([[[0, 0],
        [1, 0],
        [2, 0]]])
In [746]: new_path.shape
Out[746]: (1, 3, 2)

您已经定义了 2 个数组，形状为 (1,2,2) 和 (1,3,2)。如果您对这些形状感到困惑，则需要重新阅读一些基本numpy介绍。

hstack,vstack并append全部调用concatenate. 使用 3d 数组只会混淆问题。

在第 2 个轴上连接，一个轴的大小为 2，另一个轴的大小为 3，可以生成 (1,5,2) 数组。（这相当于hstack）

In [747]: np.concatenate((queu, new_path),axis=1)
Out[747]: 
array([[[0, 0],
        [0, 1],
        [0, 0],
        [1, 0],
        [2, 0]]])

尝试加入轴 0 (vstack) 会产生错误：

In [748]: np.concatenate((queu, new_path),axis=0)
....
ValueError: all the input array dimensions except for the concatenation axis must match exactly

连接轴为 0，但轴 1 的尺寸不同。因此错误。

您的目标不是有效的 numpy 数组。您可以将它们收集到一个列表中：

In [759]: alist=[queu[0], new_path[0]]
In [760]: alist
Out[760]: 
[array([[0, 0],
        [0, 1]]), 
 array([[0, 0],
        [1, 0],
        [2, 0]])]

或者一个对象 dtype 数组——但那更高级numpy。

于 2016-12-24T17:54:46.213 回答
0

我并不完全清楚你是如何设置你array的 s 的，但从它的声音来看，np.vstack确实应该做你正在寻找的东西：

In [30]: queue = np.array([0, 0, 0, 1]).reshape(2, 2)

In [31]: queue
Out[31]:
array([[0, 0],
       [0, 1]])

In [32]: new_path = np.array([0, 0, 1, 0, 2, 0]).reshape(3, 2)

In [33]: new_path
Out[33]:
array([[0, 0],
       [1, 0],
       [2, 0]])

In [35]: np.vstack((queue, new_path))
Out[35]:
array([[0, 0],
       [0, 1],
       [0, 0],
       [1, 0],
       [2, 0]])
于 2016-12-24T15:29:10.050 回答