Python numpy数组连接:";ValueError:所有输入数组的维数必须相同;
如何连接这些Python numpy数组连接:";ValueError:所有输入数组的维数必须相同;,python,numpy,Python,Numpy,如何连接这些numpy数组 第一个np.数组,形状为(5,4) 第二个np.数组,形状为(5,) 最终结果应该是 [[ 6487 400 489580 0 16] [ 6488 401 492994 0 15] [ 6491 408 489247 0 12] [ 6491 408 489247 0 12] [ 6492 402 499013 0 17]] 我尝试了np
numpy
数组
第一个np.数组
,形状为(5,4)
第二个np.数组
,形状为(5,)
最终结果应该是
[[ 6487 400 489580 0 16]
[ 6488 401 492994 0 15]
[ 6491 408 489247 0 12]
[ 6491 408 489247 0 12]
[ 6492 402 499013 0 17]]
我尝试了np.concatenate([array1,array2])
但是我得到了这个错误
ValueError:所有输入数组必须具有相同的维数
我做错了什么?要使用
np.concatenate
,我们需要将第二个数组扩展到2D
,然后沿axis=1
-
np.concatenate((a,b[:,None]),axis=1)
或者,我们可以使用处理它的np.column\u stack
-
np.column_stack((a,b))
样本运行-
In [84]: a
Out[84]:
array([[54, 30, 55, 12],
[64, 94, 50, 72],
[67, 31, 56, 43],
[26, 58, 35, 14],
[97, 76, 84, 52]])
In [85]: b
Out[85]: array([56, 70, 43, 19, 16])
In [86]: np.concatenate((a,b[:,None]),axis=1)
Out[86]:
array([[54, 30, 55, 12, 56],
[64, 94, 50, 72, 70],
[67, 31, 56, 43, 43],
[26, 58, 35, 14, 19],
[97, 76, 84, 52, 16]])
如果b
是1D
数组,其dtype=object
的形状为(1,)
,则很可能所有数据都包含在其中的唯一元素中,我们需要在连接之前将其展平。为此,我们也可以在其上使用np.concatenate
。下面是一个示例来说明这一点-
In [118]: a
Out[118]:
array([[54, 30, 55, 12],
[64, 94, 50, 72],
[67, 31, 56, 43],
[26, 58, 35, 14],
[97, 76, 84, 52]])
In [119]: b
Out[119]: array([array([30, 41, 76, 13, 69])], dtype=object)
In [120]: b.shape
Out[120]: (1,)
In [121]: np.concatenate((a,np.concatenate(b)[:,None]),axis=1)
Out[121]:
array([[54, 30, 55, 12, 30],
[64, 94, 50, 72, 41],
[67, 31, 56, 43, 76],
[26, 58, 35, 14, 13],
[97, 76, 84, 52, 69]])
你可以这样做
import numpy as np
x = np.random.randint(100, size=(5, 4))
y = [16, 15, 12, 12, 17]
print(x)
val = np.concatenate((x,np.reshape(y,(x.shape[0],1))),axis=1)
print(val)
这将产生:
[[32 37 35 53]
[64 23 95 76]
[17 76 11 30]
[35 42 6 80]
[61 88 7 56]]
[[32 37 35 53 16]
[64 23 95 76 15]
[17 76 11 30 12]
[35 42 6 80 12]
[61 88 7 56 17]]
还有
np.c.
>>> a = np.arange(20).reshape(5, 4)
>>> b = np.arange(-1, -6, -1)
>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15],
[16, 17, 18, 19]])
>>> b
array([-1, -2, -3, -4, -5])
>>> np.c_[a, b]
array([[ 0, 1, 2, 3, -1],
[ 4, 5, 6, 7, -2],
[ 8, 9, 10, 11, -3],
[12, 13, 14, 15, -4],
[16, 17, 18, 19, -5]])
第二个数组的形状应该是怎样的?这里的对象数组有什么奇怪的事情吗?这就是我运行array2.shape时得到的结果。你的数组在某种程度上严重混乱,你需要弄清楚发生了什么。就在这之前,我运行这个
array2=np.array(np.round(data[:,0]/20))
b[:,None]符号很好,但也值得一提的是b.重塑()@PaulPanzer,这值得一个新职位!第二个是因为这个代码< >代码> ARARY2= NP.数组(NP.Stata(data [:,0)/20)< /代码>我用<代码> > ARARY2= NP.数组(NP.圆(数据::,0)/ 20)固定。astype(int)< /代码>你敢解码这个:<代码> NP.R'[1,1,0’,A,-1:-6:-1 ]。:)我想知道np.c
是否总能代替np.column\u stack
?@hpaulj在我看来很像,但我对np.column\u stack
不太熟悉。它基本上是一个2d串联
,在特殊情况下1d输入,对吗?
[[32 37 35 53]
[64 23 95 76]
[17 76 11 30]
[35 42 6 80]
[61 88 7 56]]
[[32 37 35 53 16]
[64 23 95 76 15]
[17 76 11 30 12]
[35 42 6 80 12]
[61 88 7 56 17]]
>>> a = np.arange(20).reshape(5, 4)
>>> b = np.arange(-1, -6, -1)
>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15],
[16, 17, 18, 19]])
>>> b
array([-1, -2, -3, -4, -5])
>>> np.c_[a, b]
array([[ 0, 1, 2, 3, -1],
[ 4, 5, 6, 7, -2],
[ 8, 9, 10, 11, -3],
[12, 13, 14, 15, -4],
[16, 17, 18, 19, -5]])