NumPy 数组合并

在 NumPy 中，合并数组指的是将多个数组合并成一个数组。其中，常用的数组合并函数如下表所示。

numpy.concatenate() 合并数组

在 NumPy 中，我们可以使用 concatenate() 函数来沿 “现有轴” 合并两个数组。

语法：

numpy.concatenate((arr1, arr2, ...), axis=0, out=None)

说明：

concatenate() 函数接收以下 3 种参数。

• (arr1, arr2, ...)：需要连接的数组序列，例如列表或元组。
• axis（可选，默认值：0）：指定在结果数组中插入新轴的位置。比如对于两个形状为 (2, 2) 的二维数组，如果 axis = 0，则它们会沿着新的第一个轴堆叠，生成一个形状为 (2, 2, 2) 的三维数组。如果 axis = 1，则形状为 (2, 2, 2)，但轴的顺序不同。如果 axis = 2，则形状为 (2, 2, 2)，轴的顺序进一步不同。
• out（可选）：用于指定输出数组。

示例 1：numpy.concatenate() 基本用法

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])

# 沿着“纵轴”合并
result1 = np.concatenate((arr1, arr2), axis=0)
# 沿着“横轴”合并
result2 = np.concatenate((arr1, arr2), axis=1)

print(result1)
print(result2)

运行结果如下。

[[1 2]
 [3 4]
 [5 6]
 [7 8]]

[[1 2 5 6]
 [3 4 7 8]]

分析：

对于 concatenate() 来说，当 axis=0 时，表示沿着 “纵轴” 合并，也就是垂直堆叠，此时等价于 vstack()。下面 2 种方式是等价的。

# 方式 1
np.concatenate((arr1, arr2), axis=0)

# 方式 2
np.vstack((arr1, arr2))

当 axis=1 时，表示沿着 “横轴” 合并，也就是水平堆叠，此时等价于 hstack()。下面 2 种方式是等价的。

# 方式 1
np.concatenate((arr1, arr2), axis=1)

# 方式 2
np.hstack((arr1, arr2))

numpy.stack() 合并数组

在 NumPy 中，我们可以使用 stack() 函数来沿 “新的轴” 来合并两个数组，合并后的数组比输入数组多一个维度。其中，输入数组的形状必须完全相同。

其中，stack，就是 “堆叠” 的意思。

语法：

numpy.stack((arr1, arr2, ...), axis=0, out=None)

说明：

stack() 函数接收以下 3 种参数。

• (arr1, arr2, ...)：需要连接的数组序列，例如列表或元组。
• axis（可选，默认值：0）：指定连接的轴。比如，两个二维数组（2 x 2）合并后，若如果 axis = 0，那么其形状为 (2, 2, 2)。
• out（可选）：用于指定输出数组。

示例 2：numpy.stack() 基本用法

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
result1 = np.stack((arr1, arr2), axis=0)
result2 = np.stack((arr1, arr2), axis=1)

print(result1)
print(result2)

运行结果如下。

[[[1 2]
  [3 4]]
 [[5 6]
  [7 8]]]

[[[1 2]
  [5 6]]
 [[3 4]
  [7 8]]]

分析：

沿 “现有轴” 合并，指的是根据数组原有的轴进行合并，合并前后的 2 个数组维度不变。沿 “新的轴” 合并，指的是创建一个新的轴进行合并，合并后的数组维度更大。

换一句话来说，两个二维数组使用 concatenate() 方法合并之后，还是一个二维数组。但是两个二维数组使用 stack() 方法合并之后，就变成一个三维数组。

numpy.hstack() 合并数组

在 NumPy 中，我们可以使用 hstack() 函数来水平（按列）顺序堆叠数组。

对于一维数组来说，hstack() 函数是将它们按顺序水平拼接成一个新的更长的一维数组。而对于二维数组来说，hstack() 函数是按列进行拼接。

语法：

numpy.hstack(tup)

说明：

参数 tup 用于指定需要堆叠的数组序列，例如列表或元组。

示例 3：numpy.hstack() 基本用法

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
arr = np.hstack((arr1, arr2))
print(arr)

运行结果如下。

[[1 2 5 6]
 [3 4 7 8]]

分析：

numpy.hstack((arr1, arr2)) 表示将 arr1 和 arr2 这 2 个数组进行水平合并。

numpy.vstack() 合并数组

在 NumPy 中，我们可以使用 vstack() 函数来垂直（按行）顺序堆叠数组。

对于一维数组来说，vstack() 函数是按行堆叠为二维数组。对于二维数组来说，vstack() 函数是按行拼接。

语法：

numpy.vstack(tup)

说明：

参数 tup 用于指定需要堆叠的数组序列，例如列表或元组。

示例 4：numpy.vstack() 合并数组

import numpy as np

# 一维数组合并
arr1 = np.array([1, 2])
arr2 = np.array([3, 4])
result1 = np.vstack((arr1, arr2))
print(result1)

# 二维数组合并
arr3 = np.array([[1, 2], [3, 4]])
arr4 = np.array([[5, 6], [7, 8]])
result2 = np.vstack((arr3, arr4))
print(result2)

运行结果如下。

[[1 2]
 [3 4]]

[[1 2]
 [3 4]
 [5 6]
 [7 8]]

numpy.dstack() 合并数组

在 NumPy 中，我们可以使用 dstack() 函数来沿深度方向（第三维度）堆叠数组。

对于形状为 (m, n) 的二维数组，dstack() 会沿着深度方向（第三个维度）堆叠它们，生成一个形状为 (m, n, k) 的三维数组，其中 k 是输入数组的数量。

语法：

numpy.dstack(tup)

说明：

参数 tup 用于指定需要堆叠的数组序列，例如列表或元组。

示例 5：numpy.dstack() 基本用法

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
arr = np.dstack((arr1, arr2))      # 沿深度方向堆叠数组

print(arr)

运行结果如下。

[[[1 5]
  [2 6]]

 [[3 7]
  [4 8]]]