NumPy ผนึกแบบความเรียบร้อย

ต่อเนื่องแนว NumPy

ต่อเนื่องหมายถึงการจัดเก็บสารของแนวหลายแนวเข้าไปในแนวเดียว

ใน SQL หมายถึงการต่อเนื่องตามชื่อใบฎีกา ใน NumPy หมายถึงการต่อเนื่องตามทางแนว

เราส่งผ่านลิสต์ที่ต้องการเชื่อมต่อกับฉบับด้วย concatenate() ฟังก์ชันแนวเมื่อไม่ได้ส่งผ่านแนว จะถือว่าเป็น 0

ตัวอย่าง

ต่อเนื่องสองแนว

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.concatenate((arr1, arr2))
print(arr)

ปฏิบัติตัวอย่าง

ตัวอย่าง

ต่อเนื่องระหว่างแถว (axis=1) ของแนวที่สอง

import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
arr = np.concatenate((arr1, arr2), axis=1)
print(arr)

ปฏิบัติตัวอย่าง

ใช้ฟังก์ชัน stack ในการเชื่อมต่อตัวแปร

stack และ concatenate มีความหมายเดียวกัน แต่แต่ละเครื่องมือทำงานตามแกนใหม่

เราสามารถเชื่อมต่อสองตัวแปรหนึ่งมิติตามฉบับที่สองได้ ซึ่งจะทำให้เกิดการซ้ำกันกัน (stacking)

เราส่งผ่านลิสต์ที่ต้องการเชื่อมต่อกับฉบับด้วย concatenate() ฟังก์ชันของการแยกตัวแปรตัวแบบมีสมาชิก

ตัวอย่าง

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.stack((arr1, arr2), axis=1)
print(arr)

ปฏิบัติตัวอย่าง

เตรียมเรืองตามแถว

NumPy มีฟังก์ชันช่วยเหลือhstack() เตรียมเรืองตามแถว

ตัวอย่าง

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.hstack((arr1, arr2))
print(arr)

ปฏิบัติตัวอย่าง

เตรียมเรืองตามคอลัมน์

NumPy มีฟังก์ชันช่วยเหลือvstack() เตรียมเรืองตามคอลัมน์

ตัวอย่าง

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.vstack((arr1, arr2))
print(arr)

ปฏิบัติตัวอย่าง

เตรียมเรืองตามความสูง (ความลึก)

NumPy มีฟังก์ชันช่วยเหลือdstack() เตรียมเรืองตามความสูง ความสูงเท่ากับความลึก

ตัวอย่าง

import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.dstack((arr1, arr2))
print(arr)

ปฏิบัติตัวอย่าง