Funkcija concatenate () yra funkcija iš NumPy paketo. Ši funkcija iš esmės sujungia NumPy masyvus. Ši funkcija iš esmės naudojama sujungti du ar daugiau tos pačios formos masyvų išilgai nurodytos ašies. Būtina atsiminti šiuos dalykus:

1. NumPy concatenate() nėra panašus į tradicinį duomenų bazės sujungimą. Tai tarsi „NumPy“ masyvų sukrovimas.
2. Ši funkcija gali veikti tiek vertikaliai, tiek horizontaliai. Tai reiškia, kad matricas galime sujungti horizontaliai arba vertikaliai.

Funkcija concatenate() paprastai rašoma kaip np.concatenate(), bet galime parašyti ir kaip numpy.concatenate(). Tai priklauso nuo numpy paketo importavimo būdo – atitinkamai importuoti numpy kaip np arba importuoti numpy.

Sintaksė

 numpy.concatenate((a1, a2, ...), axis) 

Parametrai

1) (a1, a2, ...)

Šis parametras apibrėžia masyvų seką. Čia a1, a2, a3 ... yra tos pačios formos masyvai, išskyrus ašį atitinkantį matmenį.

svyruojantis css

2) ašis: int (neprivaloma)

Šis parametras apibrėžia ašį, išilgai kurios bus sujungtas masyvas. Pagal numatytuosius nustatymus jo reikšmė yra 0.

Rezultatas

Jis grąžins ndarray, kuriame yra abiejų masyvų elementai.

objektas json java

1 pavyzdys: numpy.concatenate()

 import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y)) z 

Aukščiau pateiktame kode

• Mes importavome numpy su slapyvardžiu np.
• Sukūrėme masyvą „x“ naudodami funkciją np.array().
• Tada sukūrėme kitą masyvą „y“, naudodami tą pačią funkciją np.array().
• Mes paskelbėme kintamąjį „z“ ir priskyrėme grąžintą funkcijos np.concatenate() reikšmę.
• Funkcijoje perdavėme masyvą „x“ ir „y“.
• Galiausiai bandėme atspausdinti „z“ reikšmę.

Išvestyje abiejų masyvų reikšmės, ty „x“ ir „y“, parodytos pagal ašį = 0.

Išvestis:

 array([[ 1, 2], [ 3, 4], [12, 30]]) 

2 pavyzdys: numpy.concatenate() with axis=0

 import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y), axis=0) z 

Išvestis:

 array([[ 1, 2], [ 3, 4], [12, 30]]) 

3 pavyzdys: numpy.concatenate() with axis=1

 import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y.T), axis=1) z 

Išvestis:

veikimo testavimas

 array([[ 1, 2, 12], [ 3, 4, 30]]) 

Aukščiau pateiktame pavyzdyje „.T“ buvo naudojamas eilutes pakeisti į stulpelius, o stulpelius – eilėmis.

4 pavyzdys: numpy.concatenate() with axis=None

 import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y), axis=None) z 

Išvestis:

pavasaris ir pavasaris mvc

 array([ 1, 2, 3, 4, 12, 30]) 

Aukščiau pateiktuose pavyzdžiuose naudojome funkciją np.concatenate(). Ši funkcija neišsaugoma MaskedArray įvesties maskavimo. Yra toks būdas, kuriuo galime sujungti masyvus, kurie gali išsaugoti MaskedArray įvesties maskavimą.

5 pavyzdys: np.ma.concatenate()

 import numpy as np x=np.ma.arange(3) y=np.arange(3,6) x[1]=np.ma.masked x y z1=np.concatenate([x,y]) z2=np.ma.concatenate([x,y]) z1 z2 

Aukščiau pateiktame kode

• Mes importavome numpy su slapyvardžiu np.
• Sukūrėme masyvą „x“ naudodami funkciją np.ma.arrange().
• Tada sukūrėme kitą masyvą „y“, naudodami tą pačią funkciją np.ma.arrange().
• Mes paskelbėme kintamąjį 'z1' ir priskyrėme grąžintą funkcijos np.concatenate() reikšmę.
• Mes paskelbėme kintamąjį „z2“ ir priskyrėme grąžintą funkcijos np.ma.concatenate() reikšmę.
• Galiausiai bandėme atspausdinti „z1“ ir „z2“ reikšmę.

Išvestyje abiejų masyvų „z1“ ir „z2“ reikšmės išsaugojo „MaskedArray“ įvesties maskavimą.

Išvestis:

 masked_array(data=[0, --, 2], mask=[False, True, False], fill_value=999999) array([3, 4, 5]) masked_array(data=[0, 1, 2, 3, 4, 5], mask=False, fill_value=999999) masked_array(data=[0, --, 2, 3, 4, 5], mask=[False, True, False, False, False, False], fill_value=999999)