python - 如何在 NumPy 中连接两个一维数组？

Question

我有两个数组A = [a1, ..., an]和B = [b1, ..., bn]. 我想得到新的矩阵 C 等于

[[a1, b1],
 [a2, b2],
 ...
 [an, bn]]

我该怎么做numpy.concatenate？

Answer 1

这个非常简单但最快的解决方案怎么样？

In [73]: a = np.array([0, 1, 2, 3, 4, 5])
In [74]: b = np.array([1, 2, 3, 4, 5, 6])
In [75]: ab = np.array([a, b])
In [76]: c = ab.T

In [77]: c
Out[77]: 
array([[0, 1],
       [1, 2],
       [2, 3],
       [3, 4],
       [4, 5],
       [5, 6]])

但是，正如Divakar 指出的那样，使用np.column_stack直接给出的答案如下：

In [85]: np.column_stack([a, b])
Out[85]: 
array([[0, 1],
       [1, 2],
       [2, 3],
       [3, 4],
       [4, 5],
       [5, 6]])

---

效率（按降序排列）

有趣的是，我的简单解决方案结果是最快的。（比 快一点，比np.concatenate快两倍，比 快np.column_stack三倍np.vstack）

In [86]: %timeit np.array([a, b]).T
100000 loops, best of 3: 4.44 µs per loop

In [87]: %timeit np.concatenate((a[:,None], b[:,None]), axis=1)
100000 loops, best of 3: 5.6 µs per loop

In [88]: %timeit np.column_stack([a, b])
100000 loops, best of 3: 9.5 µs per loop

In [89]: %timeit np.vstack((a, b)).T
100000 loops, best of 3: 14.7 µs per loop

Answer 2

您也可以np.vstack在之后使用然后转置矩阵

import numpy as np
A = [1, 2, 3]
B = [4, 5, 6]
C = np.vstack((A, B)).T

Answer 3

In [26]: A=np.arange(5)
In [27]: B=np.arange(10,15)
In [28]: np.concatenate((A[:,None], B[:,None]), axis=1)
Out[28]: 
array([[ 0, 10],
       [ 1, 11],
       [ 2, 12],
       [ 3, 13],
       [ 4, 14]])
In [29]: _.tolist()
Out[29]: [[0, 10], [1, 11], [2, 12], [3, 13], [4, 14]]

np.column_stack, np.vstack,np.stack都做同样的事情，只是以不同的方式扩展数组的维度。

np.stack((A,B),-1)像我一样使用newaxis索引扩展数组。

np.column_stack((A,B))用途：

arr = array(arr, copy=False, subok=True, ndmin=2).T

np.vstack((A,B)).T用途：

concatenate([atleast_2d(_m) for _m in tup], 0)

---

出于好奇，请注意这个vstack等价物：

In [38]: np.concatenate((A[None],B[None]))
Out[38]: 
array([[ 0,  1,  2,  3,  4],
       [10, 11, 12, 13, 14]])