pythonappend函数⼆维_python实现把两个⼆维array叠加成三
维array⽰例
遇到这样⼀个需求：程序中每次循环⽣成⼀个⼆维array，需要把每次循环的⼆维array叠加成⼀个三维的array，例如有如下两个矩阵：
组合成以下这种形式：
这样组合之后，有⼀个⾮常⼤的优点就是：保持原有的⼆维array的形式不变，便于以后取出，⽐如说我想从C中取出A，只需要执⾏：
A=C[0,:]即可。
但是百度之后发现，在python中，numpy函数包中并没有对应的函数来实现三维array中不断添加⼆维array(有知道这个函数的欢迎在评论区告诉我)
这⾥，提供两种“曲线救国”的解决⽅案：
⽅法⼀：
对于两个(或者多个)同⼀维度的矩阵，直接利⽤np.array()重新构造⼀个array，这样可以变相起到扩展维数的作⽤。例如：
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = np.array([[2,2,3],[4,5,6]])
c = np.array([[3,2,3],[4,5,6]])
print('矩阵a：\n',a)
print('维数：',a.shape)
com = np.array([a,b,c])
print('合并矩阵：\n',com)
print('维数：',com.shape)
输出结果为：
矩阵a：
[[1 2 3]
[4 5 6]]
维数： (2, 3)
合并矩阵：
[[[1 2 3]
python数组合并
[4 5 6]]
[[2 2 3]
[4 5 6]]
[[3 2 3]
[4 5 6]]]
维数： (3, 2, 3)
⽅法⼆：
但是，如果两个array，使⽤⽅法⼀时会出现如下结果：
import numpy as np
aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])
com = np.array([aa,a])
print('合并矩阵：\n',com)
print('维数：',com.shape)
输出结果：
合并矩阵：
[array([[[1, 2, 3],
[4, 5, 6]],
[[2, 2, 3],
[4, 5, 6]],
[[3, 2, 3],
[4, 5, 6]]])
array([[4, 2, 3],
[4, 5, 6]])]
维数： (2,)
可以看到：输出的维数不对，以上⽅法就不适⽤了。
那么，我们就需要利⽤np.append和shape()函数对数组进⾏拼接之后重组，具体实现如下：import numpy as np
aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])
data = np.append(aa,a)#先拼接成⼀个⾏向量
print(data)
dim = aa.shape#获取原矩阵的维数
print('原矩阵维数：',dim)
data1 = shape(dim[0]+1,dim[1],dim[2])#再通过原矩阵的维数重新组合
print('合并矩阵：\n',data1)
print('维数：',data1.shape)
输出结果：
⽅法三：
相⽐于前两种⽅法，这种⽅法可谓“曲线救国”之典范，具体思路是：先转化成list，拼接后再转化回去。
这是因为list中的append()函数可以在添加函数的时候不改变原来list的维度。虽然没有对这种⽅法进⾏⼀个速度测试，但直觉来看时间复杂度挺⾼的，建议慎⽤。
aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])
#将array转换成list
aa = aa.tolist(aa)
a = a.tolist(a)
aa.append(a)#注意与⽅法⼆中np.append()⽤法的区别
com = np.array(aa)
print(com.shape)
输出结果：
合并矩阵：
[[[1 2 3]
[4 5 6]]
[[2 2 3]
[4 5 6]]
[[3 2 3]
[4 5 6]]
[[4 2 3]
[4, 5, 6]]]
维数： (4,2,3)
这⾥注意：
两种类型的相互转换函数：
array转list：a = a.tolist()
list转array：a =np.array(a)
这⾥需要注意：A.tolist 和 list(A) 外表看，都是把⼀个array转换成list，但是两者还是有⼀些区别的。看下边这个例⼦：
A = np.reshape(np.arange(6),(3,2)) #⽣成⼀个3⾏2列的array
print("数组A：",A)
print('A.tolist():',A.tolist())
print('list(A): ',list(A))
结果如下：
数组A：
array([[0, 1],
[2, 3],
[4, 5]])
list(A): [array([0, 1]), array([2, 3]), array([4, 5])]
可以看到：list(A)只是把最外层的array变成了list，但是⾥边的每个向量都还是array类型。
最后吐槽⼀句，其实numpy包中对于⼀位数组和⼆维数组的拼接，可选函数很多，但是唯独没有考虑更⾼维数组的拼接。甚⾄连重写的append函数都没有原来的好⽤，真是青出于蓝⽽败于蓝啊，痛⼼。强烈建议numpy包在未来的更新中尽快解决这个问题。
在深度学习中，也有类似于这样的需求，⽐如⽤图⽚来训练模型时，彩⾊图⽚就是⼀个个三维数组，需要把⼀批图⽚都送到⽹络中就需要把多个三维矩阵叠加。
tensorflow貌似提供了这样的函数，在搭建深度学习框架时可以直接使⽤，以后有机会继续扩展。
扩展阅读：
最后，附⼏个⼆维array中，添加⼀⾏或者⼀列元素的函数：
1 . np.append(a,b,axis=数字)
其中：
没有axis属性：把所有元素展开
axis = 0：添加添加n⾏
axis = 1：添加n列
⼝诀：0⾏1列，适⽤于所有的numpy函数的axis属性。
2.增加⼀⾏或者⼀列。
b = np.row_stack((a, ⾏元素))# 添加⾏
c = np.column_stack((a, 列元素)) #添加列
以上这篇python实现把两个⼆维array叠加成三维array⽰例就是⼩编分享给⼤家的全部内容了，希望能给⼤家⼀个参考，也希望⼤家多多⽀持我们。
本⽂标题: python实现把两个⼆维array叠加成三维array⽰例

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。