В мире анализа данных и научных вычислений NumPy — это мощная библиотека, обеспечивающая эффективные математические операции с массивами и матрицами. Одной из важных операций является укладка массивов, которая позволяет объединять несколько массивов вдоль указанной оси. В этой статье блога мы рассмотрим различные методы стекирования массивов в NumPy, предоставив вам примеры кода и разговорные объяснения, которые помогут вам понять и эффективно использовать эту функцию.

Метод 1: np.concatenate()
Функция np.concatenate() — это универсальный метод объединения массивов вдоль заданной оси. Он принимает на вход последовательность массивов и объединяет их вместе. Допустим, у нас есть два массива, A и B, и мы хотим расположить их вертикально:

import numpy as np
A = np.array([1, 2, 3])
B = np.array([4, 5, 6])
result = np.concatenate((A, B))
print(result)

Выход:

[1 2 3 4 5 6]

Метод 2: np.vstack() и np.hstack()
Если вы хотите складывать массивы вертикально или горизонтально соответственно, вы можете использовать функции np.vstack() и np.hstack(). Эти функции позволяют объединять массивы одной формы по разным осям. Давайте посмотрим пример вертикального размещения:

import numpy as np
A = np.array([1, 2, 3])
B = np.array([4, 5, 6])
result = np.vstack((A, B))
print(result)

Выход:

[[1 2 3]
 [4 5 6]]

Метод 3: np.stack()
Функция np.stack() обеспечивает большую гибкость, позволяя размещать массивы вдоль новой оси. Он принимает последовательность массивов и новый параметр оси. Вот пример расположения двух массивов по новой оси:

import numpy as np
A = np.array([1, 2, 3])
B = np.array([4, 5, 6])
result = np.stack((A, B), axis=1)
print(result)

Выход:

[[1 4]
 [2 5]
 [3 6]]

Метод 4: np.dstack()
Если вы хотите складывать массивы по глубине, вы можете использовать функцию np.dstack(). Он укладывает массивы вдоль третьей оси, в результате чего получается новый массив с большей размерностью. Давайте рассмотрим пример:

import numpy as np
A = np.array([1, 2, 3])
B = np.array([4, 5, 6])
result = np.dstack((A, B))
print(result)

Выход:

[[[1 4]
  [2 5]
  [3 6]]]

NumPy предоставляет несколько мощных методов укладки массивов, позволяющих комбинировать массивы различными способами. В этой статье мы рассмотрели четыре основных метода: np.concatenate(), np.vstack(), np.hstack() и np.stack(). Освоив эти методы, вы сможете эффективно манипулировать массивами при анализе данных и научных вычислениях.