De functie concatenate() is een functie uit het NumPy-pakket. Deze functie combineert in wezen NumPy-arrays samen. Deze functie wordt in principe gebruikt voor het samenvoegen van twee of meer arrays met dezelfde vorm langs een opgegeven as. Er zijn de volgende zaken die essentieel zijn om in gedachten te houden:

1. NumPy's concatenate() is niet zoals een traditionele database-join. Het is alsof je NumPy-arrays stapelt.
2. Deze functie kan zowel verticaal als horizontaal werken. Dit betekent dat we arrays horizontaal of verticaal aan elkaar kunnen koppelen.

De functie concatenate() wordt meestal geschreven als np.concatenate(), maar we kunnen deze ook schrijven als numpy.concatenate(). Het hangt af van de manier waarop het numpy-pakket wordt geïmporteerd: importeer numpy respectievelijk als np of importeer numpy.

Syntaxis

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

Parameters

1) (a1, a2, ...)

Deze parameter definieert de volgorde van arrays. Hier zijn a1, a2, a3 ... de arrays die dezelfde vorm hebben, behalve in de dimensie die overeenkomt met de as.

Sara Ali Khan leeftijd

2) as: int (optioneel)

tekenreeks json java

Deze parameter definieert de as waarlangs de array wordt samengevoegd. Standaard is de waarde 0.

Resultaat

Het retourneert een ndarray die de elementen van beide arrays bevat.

Voorbeeld 1: numpy.concatenate()

 import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y)) z 

In de bovenstaande code

• We hebben numpy geïmporteerd met aliasnaam np.
• We hebben een array 'x' gemaakt met behulp van de functie np.array().
• Vervolgens hebben we nog een array 'y' gemaakt met dezelfde functie np.array().
• We hebben de variabele 'z' gedeclareerd en de geretourneerde waarde van de functie np.concatenate() toegewezen.
• We hebben de array 'x' en 'y' in de functie doorgegeven.
• Ten slotte hebben we geprobeerd de waarde van 'z' af te drukken.

In de uitvoer worden de waarden van beide arrays, d.w.z. 'x' en 'y' weergegeven volgens de as=0.

Uitgang:

Java heeft de volgende

 array([[ 1, 2], [ 3, 4], [12, 30]]) 

Voorbeeld 2: numpy.concatenate() met as=0

 import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y), axis=0) z 

Uitgang:

 array([[ 1, 2], [ 3, 4], [12, 30]]) 

Voorbeeld 3: numpy.concatenate() met as=1

 import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y.T), axis=1) z 

Uitgang:

 array([[ 1, 2, 12], [ 3, 4, 30]]) 

In het bovenstaande voorbeeld werd de '.T' gebruikt om de rijen in kolommen en kolommen in rijen te veranderen.

Voorbeeld 4: numpy.concatenate() met axis=None

 import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y), axis=None) z 

Uitgang:

homogeen mengsel

 array([ 1, 2, 3, 4, 12, 30]) 

In de bovenstaande voorbeelden hebben we de functie np.concatenate() gebruikt. Bij deze functie blijft de maskering van MaskedArray-invoer niet behouden. Er is de volgende manier waarop we de arrays kunnen aaneenschakelen, zodat de maskering van MaskedArray-invoer behouden blijft.

Voorbeeld 5: np.ma.concatenate()

 import numpy as np x=np.ma.arange(3) y=np.arange(3,6) x[1]=np.ma.masked x y z1=np.concatenate([x,y]) z2=np.ma.concatenate([x,y]) z1 z2 

In de bovenstaande code

• We hebben numpy geïmporteerd met aliasnaam np.
• We hebben een array 'x' gemaakt met behulp van de functie np.ma.arrange().
• Vervolgens hebben we nog een array 'y' gemaakt met dezelfde functie np.ma.arrange().
• We hebben de variabele 'z1' gedeclareerd en de geretourneerde waarde van de functie np.concatenate() toegewezen.
• We hebben de variabele 'z2' gedeclareerd en de geretourneerde waarde van de functie np.ma.concatenate() toegewezen.
• Ten slotte hebben we geprobeerd de waarde van 'z1' en 'z2' af te drukken.

In de uitvoer hebben de waarden van zowel de arrays 'z1' als 'z2' de maskering van de MaskedArray-invoer behouden.

Uitgang:

 masked_array(data=[0, --, 2], mask=[False, True, False], fill_value=999999) array([3, 4, 5]) masked_array(data=[0, 1, 2, 3, 4, 5], mask=False, fill_value=999999) masked_array(data=[0, --, 2, 3, 4, 5], mask=[False, True, False, False, False, False], fill_value=999999)