Объединение массивов NumPy

Question

У меня есть два массива 20x100x3 NumPy , которые я хочу объединить в массив 40 x 100 x 3, то есть просто добавить больше строк в массив. Меня смущает какая функция мне нужна: это vstack, hstack, column_stack или что-то еще?

Answer 1

Я верю, что вы хотите vstack

p=array_2
q=array_2
p=numpy.vstack([p,q])

Answer 2

Один из лучших способов обучения - это эксперименты, но я бы сказал, что вы хотите np.vstack, хотя есть и другие способы сделать то же самое:

a = np.ones((20,100,3))
b = np.vstack((a,a)) 

print b.shape # (40,100,3)

или

b = np.concatenate((a,a),axis=0)

РЕДАКТИРОВАТЬ

Как примечание, на моей машине для массивов размеров в вопросе OP я обнаружил, что np.concatenate примерно в 2 раза быстрее, чем np.vstack

In [172]: a = np.random.normal(size=(20,100,3))

In [173]: c = np.random.normal(size=(20,100,3))

In [174]: %timeit b = np.concatenate((a,c),axis=0)
100000 loops, best of 3: 13.3 us per loop

In [175]: %timeit b = np.vstack((a,c))
10000 loops, best of 3: 26.1 us per loop

Answer 3

Стоит упомянуть, что

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

- это общая форма, а vstack и hstack - особые случаи. Я считаю, что проще всего просто узнать, какое измерение я хочу составить, и указать это в качестве аргумента для np.concatenate.

Answer 4

Я попробовал небольшой тест между r_ и vstack, и результат очень интересный:

import numpy as np

NCOLS = 10
NROWS = 2
NMATRICES = 10000

def mergeR(matrices):
    result = np.zeros([0, NCOLS])

    for m in matrices:
        result = np.r_[ result, m]

def mergeVstack(matrices):
    result = np.vstack(matrices)

def main():
    matrices = tuple( np.random.random([NROWS, NCOLS]) for i in xrange(NMATRICES) )
    mergeR(matrices)
    mergeVstack(matrices)

    return 0

if __name__ == '__main__':
    main()

Затем я запустил профилировщик:

python -m cProfile -s cumulative np_merge_benchmark.py

и результаты:

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
...
     1    0.579    0.579    4.139    4.139 np_merge_benchmark.py:21(mergeR)
...
     1    0.000    0.000    0.054    0.054 np_merge_benchmark.py:27(mergeVstack)

Так что путь vstack в 77 раз быстрее!

Answer 5

Кстати, есть и r_:

>>> from scipy import *
>>> a = rand(20,100,3)
>>> b = rand(20,100,3)
>>> a.shape
(20, 100, 3)
>>> b.shape
(20, 100, 3)
>>> r_[a,b].shape
(40, 100, 3)
>>> (r_[a,b] == vstack([a,b])).all()
True