python中資料拼接的集中操作
陣列拼接方法一
思路:首先將陣列轉成列表,然後利用列表的拼接函式append()、extend()等進行拼接處理,最後將列表轉成陣列。
示例1:
>>> import numpy as np
>>> a=np.array([1,2,5])
>>> b=np.array([10,12,15])
>>> a_list=list(a)
>>> b_list=list(b)
>>> a_list.extend(b_list)
>>> a_list
[1, 2, 5, 10, 12, 15]
>>> a=np.array(a_list)
>>> a
array([ 1, 2, 5, 10, 12, 15])
該方法只適用於簡單的一維陣列拼接,由於轉換過程很耗時間,對於大量資料的拼接一般不建議使用。
陣列拼接方法二
思路:numpy提供了numpy.append(arr, values, axis=None)函式。對於引數規定,要麼一個數組和一個數值;要麼兩個陣列,不能三個及以上陣列直接append拼接。append函式返回的始終是一個一維陣列。
示例2:
>>> a=np.arange(5)
>>> a
array([0, 1, 2, 3, 4])
>>> np.append(a,10)
array([ 0, 1, 2, 3, 4, 10])
>>> a
array([0, 1, 2, 3, 4])
>>> b=np.array([11,22,33])
>>> b
array([11, 22, 33])
>>> np.append(a,b)
array([ 0, 1, 2, 3, 4, 11, 22, 33])
>>> a
array([[1, 2, 3],
[4, 5, 6]])
>>> b=np.array([[7,8,9],[10,11,12]])
>>> b
array([[ 7, 8, 9],
[10, 11, 12]])
>>> np.append(a,b)
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
numpy的陣列沒有動態改變大小的功能,numpy.append()函式每次都會重新分配整個陣列,並把原來的陣列複製到新陣列中。
陣列拼接方法三
思路:numpy提供了numpy.concatenate((a1,a2,…), axis=0)函式。能夠一次完成多個數組的拼接。其中a1,a2,…是陣列型別的引數
示例3:
>>> a=np.array([1,2,3])
>>> b=np.array([11,22,33])
>>> c=np.array([44,55,66])
>>> np.concatenate((a,b,c),axis=0) # 預設情況下,axis=0可以不寫
array([ 1, 2, 3, 11, 22, 33, 44, 55, 66]) #對於一維陣列拼接,axis的值不影響最後的結果
>>> a=np.array([[1,2,3],[4,5,6]])
>>> b=np.array([[11,21,31],[7,8,9]])
>>> np.concatenate((a,b),axis=0)
array([[ 1, 2, 3],
[ 4, 5, 6],
[11, 21, 31],
[ 7, 8, 9]])
>>> np.concatenate((a,b),axis=1) #axis=1表示對應行的陣列進行拼接
array([[ 1, 2, 3, 11, 21, 31],
[ 4, 5, 6, 7, 8, 9]])
對numpy.append()和numpy.concatenate()兩個函式的執行時間進行比較
示例4:
>>> from time import clock as now
>>> a=np.arange(9999)
>>> b=np.arange(9999)
>>> time1=now()
>>> c=np.append(a,b)
>>> time2=now()
>>> print time2-time1
28.2316728446
>>> a=np.arange(9999)
>>> b=np.arange(9999)
>>> time1=now()
>>> c=np.concatenate((a,b),axis=0)
>>> time2=now()
>>> print time2-time1
20.3934997107
可知,concatenate()效率更高,適合大規模的資料拼接