Python 连接两个一维NumPy数组

我有两个简单的一维数组。我应该能够使用。但我得到以下代码的错误：

TypeError：只有长度为1的数组才能转换为Python标量

代码

---

为什么？

连接的第一个参数本身应该是要连接的数组序列：

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

线路应为：

numpy.concatenate([a,b])

要连接的数组需要作为序列传递，而不是作为单独的参数传递

从：

numpy.连接（（a1，a2，…），轴=0）

将一系列数组连接在一起

---

它试图将您的

b

解释为axis参数，这就是它抱怨无法将其转换为标量的原因。

另一种ist使用“concatenate”的缩写形式，即“r_[…]”或“c_[…]”，如下面的示例代码所示（有关更多信息，请参阅）：

其结果是：

[ 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.]]

---

连接1D阵列有多种可能性，例如：

numpy.r\uA[a，a]，
numpy.stack（[a，a]）。重塑（-1），
numpy.hstack（[a，a]），
numpy.concatenate（[a，a]）

所有这些选项对于大型阵列都同样快速；对于小型的，

concatenate

有一点优势：

绘图是通过以下方式创建的：

导入numpy
导入性能图
perfplot.show(
设置=λn:numpy.random.rand（n），
果仁=[
lambda:numpy.r_a[a，a]，
lambda:numpy.stack（[a，a]）。重塑（-1），
lambda:numpy.hstack（[a，a]），
lambda:numpy.concatenate（[a，a]），
],
标签=[“r_3;”、“堆叠+重塑”、“hstack”、“连接”]，
n_范围=[2**k表示范围（19）中的k]，
xlabel=“len（a）”，
)

利用1D数组可以解压为普通元素的事实，以下是更多的方法：

# 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])

---

来自numpy的更多事实：

语法为

numpy.concatenate（（a1，a2，…），axis=0，out=None）

轴=0表示行连接 轴=1表示按列连接

>>> 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])

---

我希望有帮助

vector_b=[1,1,1,1]#“array”的缩写形式

，这根本不是真的。vector_b将是标准的Python列表类型。然而，Numpy非常擅长接受序列，而不是强制所有输入都是Numpy.array类型。你是对的，我错了。我更正了我的源代码和结果。谢谢！只是好奇-这背后的逻辑是什么？@user391339，如果你想连接三个数组呢？如果只使用两个数组，则该函数在获取序列时更有用。@WinstonEwert假设问题不是它硬编码为两个参数，您可以像

numpy.concatenate（a1，a2，a3）

或

numpy.concatenate（*[a1，a2，a3]）

一样使用它。Python的流动性足以让人感觉到这种差异只是表面上的，而不是实质上的，但如果API是一致的（例如，如果所有采用可变长度参数列表的numpy函数都需要显式序列），这种差异就很好了。@JimK。axis参数会发生什么情况？假设要连接的都是位置参数，您可以将axis保留为关键字参数，例如

def concatx（*sequences，**kwargs）

）。这并不理想，因为您似乎无法以这种方式在签名中显式地命名关键字args，但有一些变通方法。这些替代方法都使用

np.concatenate

。他们只是在手之前以各种方式按摩输入列表<例如，code>np.stack为所有输入数组添加一个额外维度。看看他们的源代码。只编译了

concatenate

。只需添加到@hpaulj的注释中，时间都会随着数组大小的增加而收敛，因为

np.concatenate

会复制输入。然后，此内存和时间成本超过了“按摩”输入所花费的时间。如果要沿一个轴将它们连接（到单个数组中），请使用

np。concatenate（…，axis）

。如果要垂直堆叠，请使用

np.vstack

。如果要水平地将它们堆叠（成多个数组），请使用

np.hstack

。（如果要按深度堆叠，即第三维，请使用

np.dstack

）。请注意，后者类似于pandas

pd.concat

# 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])

>>> 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])