web-dev-qa-db-fra.com

Concaténation de deux tableaux NumPy unidimensionnels

J'ai deux tableaux simples à une dimension dans NumPy . Je devrais pouvoir les concaténer en utilisant numpy.concatenate . Mais je reçois cette erreur pour le code ci-dessous:

TypeError: seuls les tableaux de longueur 1 peuvent être convertis en scalaires Python.

Code

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

Pourquoi?

pythonarraysnumpyconcatenationnumpy-ndarray
219
highBandWidth

La ligne devrait être:

numpy.concatenate([a,b])

Les tableaux que vous souhaitez concaténer doivent être transmis sous forme de séquence et non sous forme d'arguments séparés.

De la documentation NumPy :

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

Joignez une séquence de tableaux ensemble.

Il essayait d'interpréter votre b comme paramètre d'axe. C'est pourquoi il s'est plaint de ne pas pouvoir le convertir en scalaire.

306
Winston Ewert

Le premier paramètre de concatenate devrait lui-même être un séquence de tableaux à concaténer:

numpy.concatenate((a,b)) # Note the extra parentheses.
30
Gabe

Il existe plusieurs possibilités pour concaténer des tableaux 1D, par exemple:

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

Toutes ces options sont également rapides pour les tableaux de grande taille; pour les plus petits, concatenate a une légère arête:

enter image description here

L'intrigue a été créée avec perfplot :

import numpy
import perfplot

perfplot.save(
    "o.png",
    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)',
    logx=True,
    logy=True,
    )
20
Nico Schlömer

Une alternative consiste à utiliser la forme abrégée de "concaténer" qui est soit "r _ [...]" ou "c _ [...]" comme indiqué dans l'exemple de code ci-dessous (voir http: // wiki .scipy.org/NumPy_for_Matlab_Users pour plus d'informations):

%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)

Ce qui résulte en:

[ 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.]]
10
Semjon Mössinger

Voici d'autres approches pour le faire en utilisant numpy.ravel() , numpy.array() , en utilisant le fait que les tableaux 1D peuvent être décompressés en éléments simples:

# 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])
0
kmario23