متصل کردن(join) آرایهها در NumPy
متصل کردن(Join) دو یا چند آرایه، یعنی اینکه محتوای آنها را در یک آرایهی تکی قرار دهیم. ما در SQL جدولها را بر اساس یک کلید(key) متصل(join) میکنیم، در حالی که در NumPy، آرایهها را با محورها(axis) ترکیب میکنیم.
ما یک دنباله از آرایههایی که میخواهیم آنها را متصل کنیم، به تابع concatenate() میدهیم و محور(axis) را نیز ارائه میدهیم. اگر محور صریحاً پاس داده نشود، 0 در نظر گرفته خواهد شد.
مقادیر axis میتواند 0 یا 1 باشد که به معنی ردیفی و ستونی هست اگر مقداری برای ان مشخص نکنیم 0 در نظر گرفته میشود[2].
مثال شماره 1
متصل کردن یا پیوند دادن دو آرایه:
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.concatenate((arr1, arr2))
print(arr)
نتیجه:
[1 2 3 4 5 6]
امتحان کنیدمثال شماره 2
متصل کردن دو آرایهی دوبُعدی(axis=1):
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)
نتیجه:
[[1 2 5 6]
[3 4 7 8]]
امتحان کنیدمتصل کردن آرایهها با استفاده از تابعهای پشته(Stack Functions)
پشتهسازی(Stacking) مشابه با الحاق(concatenation) است؛ تنها تفاوت آنها این است که پشتهسازی در یک محور جدید انجام میشود.
We can concatenate two 1-D arrays along the second axis which would result in putting them one over the other, ie. stacking.
ما تعدادی آرایه که میخواهیم آنها را به یکدیگر متصل کنیم، به متد stack() میدهیم و محور(axis) را نیز مشخص میکنیم. اگر محور صریحاً پاس داده نشود، 0 در نظر گرفته خواهد شد.
مثال شماره 3
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)
نتیجه:
[[1 4]
[2 5]
[3 6]]
امتحان کنیدپشتهسازی ردیفی(Stacking Along Rows)
NumPy یک تابع کمک کننده به نام hstack() دارد که به وسیلهی آن میتوانیم در امتداد ردیفها پشتهسازی انجام دهیم.
مثال شماره 4
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.hstack((arr1, arr2))
print(arr)
نتیجه:
[1 2 3 4 5 6]
امتحان کنیدپشتهسازی ستونی(Stacking Along Columns)
NumPy یک تابع کمک کننده به نام vstack() ارائه میدهد که با استفاده از آن میتوانیم در امتداد ستونها پشتهسازی انجام دهیم.
مثال شماره 5
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.vstack((arr1, arr2))
print(arr)
نتیجه:
[[1 2 3]
[4 5 6]]
امتحان کنیدپشتهسازی عمقی(depth)
NumPy یک تابع کمک کننده به نام dstack() به ما ارائه میدهد که با استفاده از آن میتوانیم در امتداد عمق(ارتفاع) پشتهسازی انجام دهیم.
مثال شماره 6
import numpy as np
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr = np.dstack((arr1, arr2))
print(arr)
نتیجه:
[[[1 4]
[2 5]
[3 6]]]
امتحان کنید
منبع: www.w3schools.com/python/numpy
منبع [2]: pnldev.com/fa/tutorial/python
- بازدید: 97
1. سعی کنید نظرات شما مرتبط با مقاله ی مورد نظر باشد، در غیر این صورت پاسخ داده نخواهد شد.
2. سوالات خود را به صورت کوتاه بیان کنید و از پرسیدن چند سوال به طور همزمان خودداری کنید.
3. سوال خود را به طور واضح بیان کنید و از کلمات مبهم استفاده نکنید.