前言
针对于一维数组的存储方式，即(n,)存储为列向量
一、创建一个array
使用np.arange()创建一个一维数组，或者np.array()将多维列表转成np格式的ndarray
示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。
二、使用np.r_和np.c_进行数组相加
1.对一维数组的叠加
代码如下（示例）：
import numpy as np
a = np.array([1,2,3])
'''a = [1
2
3]'''
b = a.repeat(3)
'''b = [1
1
1
...
3]'''
c = np.tile(a ,3)
print(b.shape) #(9,) 列向量
print(c.shape) #(9,) 列向量
d = np.r_[b,c] #按列相加 还是列向量(只是numpy方便显示，为一行数组),还是一维
print('d:', d)
'''d: [1 1 1 2 2 2 3 3 3 1 2 3 1 2 3 1 2 3]'''
e = np.c_[b,c] #按行相加 得到(9，2)的二维数组
print('e:', e)
'''e: [[1 1]
[1 2]
[1 3]
[2 1]
[2 2]
[2 3]
[3 1]
[3 2]
[3 3]]'''2.将数组转成二维
代码如下（示例）：
a = np.array([1,2,3]).reshape(1,3) #都初始为二维数组，就可以按照显示的行列堆叠
b = a.repeat(3).reshape(1,-1)
c = np.tile(a ,3)
print(b.shape) #(1,9) 二维数组
print(c.shape) #(1,9) 二维数组
#二维之后就可按照显示的行列顺序进行叠加了
d = np.r_[b,c] #按列相加，得到(2,9)的二维数组
print('d:', d)
'''d: [[1 1 1 2 2 2 3 3 3]
[1 2 3 1 2 3 1 2 3]]'''
e = np.c_[b,c] #按行相加 得到(1，18)的二维数组
print('e:', e)
'''e: [[1 1 1 2 2 2 3 3 3 1 2 3 1 2 3 1 2 3]]'''
将数组转成二维，就可按照显示的行列进行相堆叠了
3. hstack以及vstack
a = np.array([1,2,3])
b = a.repeat(3)
c = np.tile(a ,3)
bc_h = np.hstack((b, c))
print('bc_h:',bc_h)
'''bc_h: [1 1 1 2 2 2 3 3 3 1 2 3 1 2 3 1 2 3]'''
bc_v = np.vstack((b, c))
print('bc_v:',bc_v)
'''bc_v: [[1 1 1 2 2 2 3 3 3]
[1 2 3 1 2 3 1 2 3]]'''
d = np.arange(9).reshape(1,9)
# bcd_h = np.hstack((b, c, d)) #使用hstack,维度必须相同。不相同会报错
# print('bcd_h:',bcd_h)
bcd_v = np.vstack((b, c, d))
print('bcd_v:',bcd_v)
'''bcd_v: [[1 1 1 2 2 2 3 3 3]
[1 2 3 1 2 3 1 2 3]
[0 1 2 3 4 5 6 7 8]]'''在进行vstack叠加时，默认将一维数组元素变成了二维。
但是二维与三维叠加，二维不会变成三维。即一维可以与二维可以进行vstack
hstack不会改变维度，所有要求相叠加的所有数组维度一样
到此这篇关于numpy数组叠加的实现示例的文章就介绍到这了,更多相关numpy数组叠加内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！