Concatenazione di due matrici NumPy unidimensionali

Ho due semplici matrici unidimensionali in NumPy . Dovrei essere in grado di concatenarli usando numpy.concatenate . Ma ottengo questo errore per il codice seguente:

TypeError: solo le matrici di lunghezza 1 possono essere convertite in scalari Python

Codice

import numpy
a = numpy.array([1, 2, 3])
b = numpy.array([5, 6])
numpy.concatenate(a, b)

Perché?

La linea dovrebbe essere:

numpy.concatenate([a,b])

Le matrici che si desidera concatenare devono essere passate come sequenza, non come argomenti separati.

Dalla documentazione di NumPy :

numpy.concatenate((a1, a2, ...), axis=0)

Unire una sequenza di matrici insieme.

Stava cercando di interpretare il tuo bcome parametro dell'asse, motivo per cui si lamentava di non poterlo convertire in uno scalare.

Esistono diverse possibilità per concatenare gli array 1D, ad es.

numpy.r_[a, a],
numpy.stack([a, a]).reshape(-1),
numpy.hstack([a, a]),
numpy.concatenate([a, a])

Tutte queste opzioni sono ugualmente veloci per array di grandi dimensioni; per i più piccoli, concatenateha un leggero vantaggio:

La trama è stata creata con perfplot :

import numpy
import perfplot

perfplot.show(
    setup=lambda n: numpy.random.rand(n),
    kernels=[
        lambda a: numpy.r_[a, a],
        lambda a: numpy.stack([a, a]).reshape(-1),
        lambda a: numpy.hstack([a, a]),
        lambda a: numpy.concatenate([a, a]),
    ],
    labels=["r_", "stack+reshape", "hstack", "concatenate"],
    n_range=[2 ** k for k in range(19)],
    xlabel="len(a)",
)

Il primo parametro concatenatedovrebbe essere esso stesso una sequenza di matrici per concatenare:

numpy.concatenate((a,b)) # Note the extra parentheses.

Un'alternativa è usare la forma abbreviata di "concatenare" che è "r _ [...]" o "c _ [...]" come mostrato nel codice di esempio sotto (vedi http://wiki.scipy.org / NumPy_for_Matlab_Users per ulteriori informazioni):

%pylab
vector_a = r_[0.:10.] #short form of "arange"
vector_b = array([1,1,1,1])
vector_c = r_[vector_a,vector_b]
print vector_a
print vector_b
print vector_c, '\n\n'

a = ones((3,4))*4
print a, '\n'
c = array([1,1,1])
b = c_[a,c]
print b, '\n\n'

a = ones((4,3))*4
print a, '\n'
c = array([[1,1,1]])
b = r_[a,c]
print b

print type(vector_b)

Che si traduce in:

[ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9.]
[1 1 1 1]
[ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9.  1.  1.  1.  1.] 


[[ 4.  4.  4.  4.]
 [ 4.  4.  4.  4.]
 [ 4.  4.  4.  4.]] 

[[ 4.  4.  4.  4.  1.]
 [ 4.  4.  4.  4.  1.]
 [ 4.  4.  4.  4.  1.]] 


[[ 4.  4.  4.]
 [ 4.  4.  4.]
 [ 4.  4.  4.]
 [ 4.  4.  4.]] 

[[ 4.  4.  4.]
 [ 4.  4.  4.]
 [ 4.  4.  4.]
 [ 4.  4.  4.]
 [ 1.  1.  1.]]

Ecco altri approcci per farlo utilizzando numpy.ravel(), numpy.array()utilizzando il fatto che gli array 1D possono essere decompressi in elementi semplici:

# we'll utilize the concept of unpacking
In [15]: (*a, *b)
Out[15]: (1, 2, 3, 5, 6)

# using `numpy.ravel()`
In [14]: np.ravel((*a, *b))
Out[14]: array([1, 2, 3, 5, 6])

# wrap the unpacked elements in `numpy.array()`
In [16]: np.array((*a, *b))
Out[16]: array([1, 2, 3, 5, 6])

Alcuni altri fatti dai documenti intorpiditi :

Con sintassi come numpy.concatenate((a1, a2, ...), axis=0, out=None)

asse = 0 per la concatenazione per riga asse = 1 per la concatenazione per colonna

>>> a = np.array([[1, 2], [3, 4]])
>>> b = np.array([[5, 6]])

# Appending below last row
>>> np.concatenate((a, b), axis=0)
array([[1, 2],
       [3, 4],
       [5, 6]])

# Appending after last column
>>> np.concatenate((a, b.T), axis=1)    # Notice the transpose
array([[1, 2, 5],
       [3, 4, 6]])

# Flattening the final array
>>> np.concatenate((a, b), axis=None)
array([1, 2, 3, 4, 5, 6])

Spero possa essere d'aiuto !