組合NumPy陣列

我有兩個20x100x3 NumPy陣列，我想組合成一個40 x 100 x 3陣列，也就是說，只需在陣列中添加更多行。我很困惑我想要什麼功能：它是vstack，hstack，column_stack還是其他的東西？組合NumPy陣列

2011-07-18 Double AA

我相信這是你想要vstack

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

來源

2011-07-18 22:51:15 Giltech

不確定爲什麼我第一次訪問該頁面時沒有顯示您的答案。 +1用於首先推薦vstack。 – JoshAdel

請注意，文檔建議現在使用'stack'或'concatenate'，並且vstack僅支持向後兼容性，請參閱：https：//docs.scipy.org/doc/numpy-1.13.0/reference/generated/ numpy.vstack.html – NOhs

一的學習實驗的最佳方式，但我要說你想np.vstack雖然有做同樣的事情的其他方式：

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)

編輯

正如一個音符，我的機器在OP的問題大小的數組，我發現np.concatenate大約爲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

來源

2011-07-18 23:25:27 JoshAdel

奇怪，但謝謝，現在我可以留下第一個評論。 – Giltech

我可能是，在這裏很愚蠢，因爲我沒有多少時間使用timeit，但是連接起來不會佔用10倍的循環嗎？ – Giltech

@Giltech，而timeit使用10倍以上的循環來測試'np.concatenate'（它似乎自動選擇這個），這裏的重要數字是每個循環的時間 – JoshAdel

快可能是值得一提的

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

是一般形式，vstack和hstack是特定情況。我發現最簡單的方法就是知道我想堆疊哪個維度，並將其作爲np.concatenate的參數提供。

來源

2011-07-20 19:31:22 i3enhamin

順便說一句，還有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

來源

2011-07-21 03:06:50 wim

我試圖R_和vstack和結果之間的一個小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()

然後我跑探查：

python -m cProfile -s cumulative np_merge_benchmark.py

和結果：

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！

來源

2013-01-30 15:43:02

回答

相關問題