Функции np.concatenate и np.append NumPy в Python

Основное различие между np.concatenate и np.append в Python NumPy заключается в том, что np.concatenate в основном используется для объединения нескольких массивов по указанным осям, что позволяет выполнять более сложные манипуляции с массивами, тогда как np.append предназначен для добавления элементов в конец существующий 1D массив NumPy.

• np.concatenate в Python
• Пример 1: по строкам (ось по умолчанию = 0)
• Пример 2: по столбцам (ось = 1)
• Функция np.append
• Пример 1: два массива 1d
• Пример 2: добавляет несколько массивов
• Отличия
• np.concatenate против np.append в кодировании

np.concatenate в Python

Функция np.concatenate в NumPy предназначена для объединения массивов по указанным осям в Python.

Это универсальный инструмент для объединения массивов одинаковой формы, который особенно полезен, когда нам нужно объединить несколько массивов вдоль определенной оси, например строк (ось 0) или столбцов (ось 1).

Вот основной синтаксис функции np.concatenate() в Python:

np.concatenate((arr1, arr2, ...), axis=0)

Давайте рассмотрим несколько примеров, чтобы понять, как работает np.concatenate в Python.

Пример 1: по строкам (ось по умолчанию = 0)

В этом случае у нас есть два 2D-массива в Python. и мы объединяем один из массивов с другим и создаем новый массив NumPy Python.

import numpy as np

state1_population = np.array([[1000000, 500000], [300000, 200000]])
state2_population = np.array([[750000, 400000]])
usa_population = np.concatenate((state1_population, state2_population))
print(usa_population)

Результат:

[[1000000  500000]
 [ 300000  200000]
 [ 750000  400000]]

Пример 2: по столбцам (ось = 1)

Давайте попробуем объединить два массива NumPy в Python.

import numpy as np

state1_gdp = np.array([[50000, 55000, 60000]])
state2_gdp = np.array([[63000, 64000, 68000]])
usa_gdp = np.concatenate((state1_gdp, state2_gdp), axis=1)
print(usa_gdp)

Вывод:

[[50000 55000 60000 63000 64000 68000]]

Функция np.append

С другой стороны, np.append — это более простая функция, которая добавляет значения в существующий массив NumPy вдоль указанной оси в Python.

Хотя его можно использовать для конкатенации, он больше подходит для добавления отдельных элементов или массивов в конец существующего массива в Python.

Вот синтаксис функции numpy.append() в Python:

np.append(arr, values, axis=None)

Пример 1: два массива 1d

Давайте возьмем два массива и попробуем добавить значение одного numpy-массива к концу другого через Python.

import numpy as np

temperatures = np.array([72, 74, 71, 68, 75, 76, 70])
additional_temperature = np.array([73])
updated_temperatures = np.append(temperatures, additional_temperature)
print(updated_temperatures)

Вывод:

[72 74 71 68 75 76 70 73]

Пример 2: добавляет несколько массивов

Здесь давайте возьмем два массива и добавим значения из одного массива NumPy в другой с помощью функции Python np.append().

import numpy as np

top_universities = np.array([["Harvard", "MIT", "Stanford"]])
new_university = np.array([["Yale", "Caltech", "Princeton"]])
updated_universities = np.append(top_universities, new_university, axis=0)
print(updated_universities)

Вывод:

[['Harvard' 'MIT' 'Stanford']
 ['Yale' 'Caltech' 'Princeton']]

Отличия

Теперь, когда мы увидели примеры np.concatenate и np.append, давайте суммируем ключевые различия:

Список ключевых различий между объединением NumPy и добавлением в Python.

np.concatenate против np.append в кодировании

Здесь я взял по одному примеру для каждой функции np.concatenate() и np.append() одновременно, чтобы вам было легче понять:

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6]])
result = np.concatenate([arr1, arr2], axis=0)
print('Result for concatenate:\n', result)

import numpy as np

arr1 = np.array([1, 2, 3])
element1 = 4
element2 = 5
result = np.append(arr1, [element1, element2])
print('Result for append:\n', result)

Выходы:

Result for concatenate:
 [[1 2]
 [3 4]
 [5 6]]

Result for append:
 [1 2 3 4 5]