La fonction concatenate() est une fonction du package NumPy. Cette fonction combine essentiellement les tableaux NumPy. Cette fonction est essentiellement utilisée pour joindre deux ou plusieurs tableaux de même forme le long d’un axe spécifié. Il est essentiel de garder à l’esprit les éléments suivants :

1. Le concatenate() de NumPy n'est pas comme une jointure de base de données traditionnelle. C'est comme empiler des tableaux NumPy.
2. Cette fonction peut fonctionner aussi bien verticalement qu'horizontalement. Cela signifie que nous pouvons concaténer des tableaux ensemble horizontalement ou verticalement.

La fonction concatenate() est généralement écrite sous la forme np.concatenate(), mais nous pouvons également l'écrire sous la forme numpy.concatenate(). Cela dépend de la manière d'importer le package numpy, soit importer numpy en tant que np, soit importer numpy, respectivement.

Syntaxe

 numpy.concatenate((a1, a2, ...), axis) 

Paramètres

1) (a1, a2, ...)

Ce paramètre définit la séquence des tableaux. Ici, a1, a2, a3... sont les tableaux qui ont la même forme, sauf dans la dimension correspondant à l'axe.

sinon java

2) axe : int (facultatif)

objet à json en java

Ce paramètre définit l'axe le long duquel le tableau sera joint. Par défaut, sa valeur est 0.

Résultat

Il renverra un ndarray contenant les éléments des deux tableaux.

Exemple 1 : numpy.concatenate()

 import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y)) z 

Dans le code ci-dessus

• Nous avons importé numpy avec le nom d'alias np.
• Nous avons créé un tableau 'x' en utilisant la fonction np.array().
• Ensuite, nous avons créé un autre tableau 'y' en utilisant la même fonction np.array().
• Nous avons déclaré la variable 'z' et attribué la valeur renvoyée par la fonction np.concatenate().
• Nous avons passé le tableau 'x' et 'y' dans la fonction.
• Enfin, nous avons essayé d'imprimer la valeur de « z ».

Dans la sortie, les valeurs des deux tableaux, c'est-à-dire « x » et « y », sont affichées selon l'axe = 0.

Sortir:

Amisha Patel

 array([[ 1, 2], [ 3, 4], [12, 30]]) 

Exemple 2 : numpy.concatenate() avec axis=0

 import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y), axis=0) z 

Sortir:

 array([[ 1, 2], [ 3, 4], [12, 30]]) 

Exemple 3 : numpy.concatenate() avec axis=1

 import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y.T), axis=1) z 

Sortir:

 array([[ 1, 2, 12], [ 3, 4, 30]]) 

Dans l'exemple ci-dessus, le '.T' est utilisé pour transformer les lignes en colonnes et les colonnes en lignes.

Exemple 4 : numpy.concatenate() avec axis=None

 import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[12,30]]) z=np.concatenate((x,y), axis=None) z 

Sortir:

protocoles de couche liaison de données

 array([ 1, 2, 3, 4, 12, 30]) 

Dans les exemples ci-dessus, nous avons utilisé la fonction np.concatenate(). Cette fonction ne conserve pas le masquage des entrées MaskedArray. Il existe la manière suivante par laquelle nous pouvons concaténer les tableaux qui peuvent préserver le masquage des entrées MaskedArray.

Exemple 5 : np.ma.concatenate()

 import numpy as np x=np.ma.arange(3) y=np.arange(3,6) x[1]=np.ma.masked x y z1=np.concatenate([x,y]) z2=np.ma.concatenate([x,y]) z1 z2 

Dans le code ci-dessus

• Nous avons importé numpy avec le nom d'alias np.
• Nous avons créé un tableau 'x' en utilisant la fonction np.ma.arrange().
• Ensuite, nous avons créé un autre tableau 'y' en utilisant la même fonction np.ma.arrange().
• Nous avons déclaré la variable 'z1' et attribué la valeur renvoyée par la fonction np.concatenate().
• Nous avons déclaré la variable 'z2' et attribué la valeur renvoyée par la fonction np.ma.concatenate().
• Enfin, nous avons essayé d'imprimer la valeur de 'z1' et 'z2'.

Dans la sortie, les valeurs des tableaux « z1 » et « z2 » ont conservé le masquage de l'entrée MaskedArray.

Sortir:

 masked_array(data=[0, --, 2], mask=[False, True, False], fill_value=999999) array([3, 4, 5]) masked_array(data=[0, 1, 2, 3, 4, 5], mask=False, fill_value=999999) masked_array(data=[0, --, 2, 3, 4, 5], mask=[False, True, False, False, False, False], fill_value=999999)