Concatenate numpy matriser

Begrepet "sammenføyning" refererer til prosessen med å kombinere elementene i to eller kanskje flere matriser til en enkelt matrise. Concatenation blir også referert til som sammenføyning. I SQL er tabeller sammen med en nøkkel, men i Numpy er matriser sammen med en akse. Concatenate () -funksjonen til Python Numpy er spesielt brukt til dette formålet. Metoden blir med to eller flere lignende formede matriser over en gitt akse. Argumentene for metoden er paret av matriser og aksen. Aksen sendes til concatenate () -metoden sammen med en serie matriser som vi ønsker å koble til. Hvis aksen ikke uttrykkelig er spesifisert, er den som er satt til 0. La oss se hvordan til sammenkoblingsfunksjonen fungerer i Python for å bli med i to matriser innen Spyder 3 av Windows 10. La oss se på noen eksempler.

Eksempel 01:

La oss se på vårt første eksempel på å samvirke to numpy matriser i Python ved hjelp av Spyder 3 -verktøyet. For å bruke Numpy -matriser, må vi importere Numpy -pakken som objekt “N” ved å bruke nøkkelordet “Import”. Etter dette har den numpy “Array ()” -funksjonen blitt brukt til å definere to matriser av heltallstype og lagre dem i variablene A1 og A2 hver for seg. Det numpy objektet “n” har blitt brukt til dette formålet så langt. Vi har brukt Numpy's Concatenate () -funksjonen her for å bli med både Numpy Arrays A1 og A2 sammen, og en nyopprettet matrise har blitt lagret i variabelen “A”. Arraysene har blitt brukt som et enkelt argument innen enkle parenteser. Både Numpy -matriser A1 og A2 er vist på Spyder 3 -konsollen mens de bruker utskriftsfunksjonen til Python. Vi sender ut den sammenkoblede nye matrisen A på Spyder 3 -skjermen i den siste utskriftsmetoden.

Importer numpy som n
A1 = n.Array ([1, 3, 5, 7, 9])
A2 = n.Array ([2, 4, 6, 8, 10])
A = n.Concatenate ((A1, A2))
Print ("Array 1:", A1)
Print ("Array 2:", A2)
trykk ("Concatenated Array:", a)

La oss lagre og utføre denne koden for å se resultatene. Så utdata viser begge matriser separat på utgangsskjermen og deretter den sammenkoblede matrisen som demonstrert. Innenfor dette eksemplet, ettersom vi ikke definerer Axis -argumentet, tar den dermed en akse som null. På grunn av dette har matrisen blitt definert i en enkelt rad uten ytterligere akse.

Eksempel 02:

La oss se på et skritt fremover mens vi bruker concatenate -funksjonen til Numpy. Så numpy -pakken er importert først. Denne gangen initialiserte vi to numpy matriser, hver med to elementer som lister atskilt med et komma. Concatenation er blitt utført ved bruk av begge matriser i sammenkoblingsfunksjonen. Vi har også brukt Axis -argumentet satt til ingen her. Dette vil lage en enkeltlinje matrise. Den nyopplagte matrisen er lagret i variabel a. De originale enkeltmatriser har blitt vist på Python -konsollen via utskriftsfunksjonen. Etter det ble den sammenkoblede matrisen A skrevet ut med utskriftsmetoden.

Importer numpy som n
A1 = n.Array ([[1, 2], [3, 4]])
A2 = n.Array ([[5, 6], [7, 8]])
A = n.concatenate ((a1, a2), akse = ingen)
Print ("Array 1: \ n", A1)
Print ("Array 2: \ n", A2)
print ("concatenated array: \ n", a)

Etter å ha kjørt denne koden, har vi først fått de enkle matriser og deretter den sammenkoblede enkeltlinjegruppen i form av en liste.

La oss oppdatere koden litt. Så vi har endret akseverdien til concatenate () -funksjonen i koden. Mens resten av koden har vært den samme og uendret. Vi har erstattet akseverdien fra ingen til 0. Det vil helt sikkert lage den sammenkoblede strengen med 0 akse, i.e. Alle verdiene vises som det er uten endring og separat.

Importer numpy som n
A1 = n.Array ([[1, 2], [3, 4]])
A2 = n.Array ([[5, 6], [7, 8]])
A = n.concatenate ((a1, a2), akse = 0)
Print ("Array 1: \ n", A1)
Print ("Array 2: \ n", A2)
print ("concatenated array: \ n", a)

Etter å ha utført den oppdaterte koden, har vi fått resultatet nedenfor. Array -elementene er definert separat i den sammenkoblede matrisen uten å slå seg sammen, men vist som en enkelt matrise her.

La oss oppdatere koden ved å endre verdien av aksen til 1 i Concatenate () -funksjonen.

Importer numpy som n
A1 = n.Array ([[1, 2], [3, 4]])
A2 = n.Array ([[5, 6], [7, 8]])
A = n.concatenate ((a1, a2), akse = 1)
Print ("Array 1: \ n", A1)
Print ("Array 2: \ n", A2)
print ("concatenated array: \ n", a)

Etter å ha kjørt koden hans, har vi fått begge matriser hver for seg og den sammenkoblede matrisen som x og y-aksis i samme linje.

Eksempel 04:

Den samme funksjonaliteten kan utføres av Pythons stabelfunksjon i koden. Så vi har brukt vårt siste eksempel for å se om det fungerer på samme måte som Concatenate () -funksjonen gjør. Så den enkle endringen er erstatning av "concatenate ()" -metoden med "stack" -funksjonen her. La oss lagre koden vår for å gjøre den utført med Spyder's Run -knappen.

Importer numpy som n
A1 = n.Array ([1, 3, 5, 7, 9])
A2 = n.Array ([2, 4, 6, 8, 10])
A = n.Stack ((A1, A2))
Print ("Array 1:", A1)
Print ("Array 2:", A2)
print ("concatenated array: \ n", a)

Etter kodeutførelsen av Stack () -funksjonen i Python, har vi fått den sammenkoblede matrisen i en akse lik 1.

Konklusjon:

Vi har gjort alle demonstrasjoner og eksempler på å bruke Concatenate () -funksjonen til Python ved bruk av Numpy Library. Vi har brukt den til å sammenkoble numpy matriser. Vi har også diskutert å bruke Axis -argumentet mens vi er satt til ingen, 0 og 1. Vi har også lagt til bonuseksemplet for å se arbeidet med stack -funksjonen som et alternativ til concatenate () -metode. Vi håper høyt for denne artikkelen, da den inneholder en enkel og elegant måte å forklare alt på kort tid.