矩阵串联 numpy.concatenate操作数据的实际执行情况

小鱼儿 2022-03-27 11:16 208阅读 0赞

**矩阵串联 np.concatenate((a, b), axis=\#)  
可以简单认为 按某方向轴，两矩阵a b 相加的结果**

1.  当 axis=0时 按列-插入
2.  当 axis=1时 按行-插入
3.  当 axis=2时 先行后列-插入  
    **三维数组和二维数组**处理方式略微不同，主要体现在（**矩阵串联前**）插入前是否**转置**

a = np.array([[1, 2], [3, 4]])
    b = np.array([[5, 6]]) 
    
    #axis表示沿着某个轴拼接，注意维度要相适应
    # axis=0 默认为列方向
    np.concatenate((a, b), axis=0)
     >>>
     array([[1, 2],
            [3, 4],
            [5, 6]]) 
       
    # axis=1为行方向的矩阵相加
    np.concatenate((a, b.T), axis=1)
    >>>
    array([[1, 2, 5],
           [3, 4, 6]])
           
    # axis=2 数组行列两方向的矩阵相加,注意维度

np.concatenate((a, b), axis=0) 时，结果如下：把b转置再按列-插入  
![在这里插入图片描述][20190113143341382.png]  
np.concatenate((a, b.T), axis=1) 时，结果如下：把b.T转置再逐行-插入  
![在这里插入图片描述][20190113143204394.png]

a = np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])
     c = np.array([[[5,6,7],[7,8,9]],[[4,5,6],[5,6,7]]])
     
    np.concatenate((a, c), axis=0)
    >>>
    array（[[[1 2 3]
           [4 5 6]]
            
           [[1 2 3]
           [4 5 6]]
    
           [[5 6 7]
           [7 8 9]]
    
           [[4 5 6]
           [5 6 7]]]）
           
    np.concatenate((a, c), axis=1)
    >>>
    array([[[1, 2, 3],
            [4, 5, 6],
            [5, 6, 7],
            [7, 8, 9]],
     
           [[1, 2, 3],
            [4, 5, 6],
            [4, 5, 6],
            [5, 6, 7]]])
            
    np.concatenate((a, c), axis=2)
    >>>
    array([[[1, 2, 3, 5, 6, 7],
            [4, 5, 6, 7, 8, 9]],
     
           [[1, 2, 3, 4, 5, 6],
            [4, 5, 6, 5, 6, 7]]])

np.concatenate((a, c), axis=0) 时，结果如下：按列-插入  
![在这里插入图片描述][20190113154114911.png]  
![在这里插入图片描述][20190113153738312.png]

np.concatenate((a, c), axis=1) 时，结果如下：按行-插入  
![在这里插入图片描述][20190113154119254.png]  
![在这里插入图片描述][20190113153812206.png]

np.concatenate((a, c), axis=2) 时，结果如下：先行后列-插入  
![在这里插入图片描述][20190113154122347.png]  
![在这里插入图片描述][20190113153849128.png]

[20190113143341382.png]: /images/20220327/6394488c210c4657a8b43b83c36d3de6.png
[20190113143204394.png]: /images/20220327/0c5a92831fa040ef9091c2d70a7a795d.png
[20190113154114911.png]: /images/20220327/c344e875b5004505a1f5e06c40126bac.png
[20190113153738312.png]: /images/20220327/bdac4e3cee2f437ea3a6e63f8550994b.png
[20190113154119254.png]: /images/20220327/16b5fb559ed546289fef90853c528307.png
[20190113153812206.png]: /images/20220327/0854018888654a22bc69a337f9432b20.png
[20190113154122347.png]: /images/20220327/a92b1ad3f07747959cdcb8122915daa6.png
[20190113153849128.png]: /images/20220327/2e1cbaaf6ea34229b3399317b534b52f.png