NumPy Bergabung dengan Array
Bergabung dengan NumPy Array
Bergabung berarti menempatkan isi dari dua atau lebih array dalam satu array.
Dalam SQL kami menggabungkan tabel berdasarkan kunci, sedangkan di NumPy kami menggabungkan array dengan sumbu.
Kami melewati urutan array yang ingin kami gabungkan ke
concatenate()
fungsi, bersama dengan sumbu. Jika sumbu tidak dilewatkan secara eksplisit, itu diambil sebagai 0.
Contoh
Bergabunglah dengan dua array
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4,
5, 6])
arr = np.concatenate((arr1, arr2))
print(arr)
Contoh
Gabungkan dua larik 2D di sepanjang baris (sumbu=1):
import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 =
np.array([[5, 6], [7, 8]])
arr = np.concatenate((arr1, arr2), axis=1)
print(arr)
Bergabung dengan Array Menggunakan Fungsi Stack
Penumpukan sama dengan penggabungan, satu-satunya perbedaan adalah bahwa penumpukan dilakukan di sepanjang sumbu baru.
Kita dapat menggabungkan dua larik 1-D di sepanjang sumbu kedua yang akan menghasilkan menempatkannya satu di atas yang lain, yaitu. menumpuk.
Kami melewati urutan array yang ingin kami gabungkan ke
stack()
metode bersama dengan sumbu. Jika sumbu tidak dilewatkan secara eksplisit, itu diambil sebagai 0.
Contoh
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 =
np.array([4, 5, 6])
arr = np.stack((arr1, arr2), axis=1)
print(arr)
Susun Sepanjang Baris
NumPy menyediakan fungsi pembantu: hstack()
untuk menumpuk di sepanjang baris.
Contoh
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4,
5, 6])
arr = np.hstack((arr1, arr2))
print(arr)
Penumpukan Sepanjang Kolom
NumPy menyediakan fungsi pembantu: vstack()
untuk menumpuk di sepanjang kolom.
Contoh
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4,
5, 6])
arr = np.vstack((arr1, arr2))
print(arr)
Susun Sepanjang Tinggi (kedalaman)
NumPy menyediakan fungsi pembantu: dstack()
untuk menumpuk di sepanjang ketinggian, yang sama dengan kedalaman.
Contoh
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4,
5, 6])
arr = np.dstack((arr1, arr2))
print(arr)