Concatenación de Arreglos
La concatenación de arreglos es una operación fundamental en NumPy que combina arreglos a lo largo de un eje especificado para crear conjuntos de datos más grandes y completos. Esto resulta especialmente útil en aprendizaje automático, donde los datos suelen estar divididos en varios arreglos o almacenados por separado, como cuando provienen de diferentes fuentes.
Los conjuntos de datos más grandes y unificados suelen mejorar el rendimiento de los modelos de aprendizaje automático y redes neuronales.
En esencia, la concatenación consiste en unir arreglos para formar un nuevo arreglo.
NumPy dispone de la función concatenate() que permite concatenar arreglos a lo largo de un eje especificado:
axis=0(valor predeterminado) concatena los arreglos por filas;axis=1concatena los arreglos por columnas.
El primer parámetro de esta función es la secuencia de arreglos (una tuple o list de arreglos) a concatenar, mientras que axis es el segundo parámetro.
123456import numpy as np array1 = np.array([1, 2, 3]) array2 = np.array([4, 5, 6]) # Concatenating 1D arrays along their only axis 0 concatenated_array = np.concatenate((array1, array2)) print(concatenated_array)
La concatenación crea un arreglo unidimensional con los elementos del primer arreglo seguidos por los elementos del segundo arreglo.
La concatenación de arreglos bidimensionales se realiza de manera similar, pero también es necesario especificar el parámetro axis:
123456789import numpy as np array1 = np.array([[1, 2], [3, 4]]) array2 = np.array([[5, 6], [7, 8]]) # Concatenating along the axis 0 (rows) concatenated_array_rows = np.concatenate((array1, array2)) print(f'Axis = 0:\n{concatenated_array_rows}') # Concatenating along the axis 1 (columns) concatenated_array_columns = np.concatenate((array1, array2), axis=1) print(f'Axis = 1:\n{concatenated_array_columns}')
Los elementos morados corresponden a array1, y los verdes a array2.
De hecho, se pueden concatenar cualquier cantidad de arreglos, y funcionará de la misma manera.
Swipe to start coding
Está analizando los datos simulados de ventas trimestrales de dos productos en 2021 y 2022. Los datos se almacenan en dos arreglos 2D:
sales_data_2021: contiene los datos de ventas de cada trimestre de 2021 para ambos productos;sales_data_2022: contiene los datos de ventas de cada trimestre de 2022 para ambos productos.
- Concatenar los datos de ventas de ambos productos por columnas, combinando los datos de ambos años.
- Asegurarse de que los datos de ventas de 2022 sigan a los datos de 2021.
Solución
¡Gracias por tus comentarios!
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
Awesome!
Completion rate improved to 3.7Concatenación de Arreglos
Desliza para mostrar el menú
La concatenación de arreglos es una operación fundamental en NumPy que combina arreglos a lo largo de un eje especificado para crear conjuntos de datos más grandes y completos. Esto resulta especialmente útil en aprendizaje automático, donde los datos suelen estar divididos en varios arreglos o almacenados por separado, como cuando provienen de diferentes fuentes.
Los conjuntos de datos más grandes y unificados suelen mejorar el rendimiento de los modelos de aprendizaje automático y redes neuronales.
En esencia, la concatenación consiste en unir arreglos para formar un nuevo arreglo.
NumPy dispone de la función concatenate() que permite concatenar arreglos a lo largo de un eje especificado:
axis=0(valor predeterminado) concatena los arreglos por filas;axis=1concatena los arreglos por columnas.
El primer parámetro de esta función es la secuencia de arreglos (una tuple o list de arreglos) a concatenar, mientras que axis es el segundo parámetro.
123456import numpy as np array1 = np.array([1, 2, 3]) array2 = np.array([4, 5, 6]) # Concatenating 1D arrays along their only axis 0 concatenated_array = np.concatenate((array1, array2)) print(concatenated_array)
La concatenación crea un arreglo unidimensional con los elementos del primer arreglo seguidos por los elementos del segundo arreglo.
La concatenación de arreglos bidimensionales se realiza de manera similar, pero también es necesario especificar el parámetro axis:
123456789import numpy as np array1 = np.array([[1, 2], [3, 4]]) array2 = np.array([[5, 6], [7, 8]]) # Concatenating along the axis 0 (rows) concatenated_array_rows = np.concatenate((array1, array2)) print(f'Axis = 0:\n{concatenated_array_rows}') # Concatenating along the axis 1 (columns) concatenated_array_columns = np.concatenate((array1, array2), axis=1) print(f'Axis = 1:\n{concatenated_array_columns}')
Los elementos morados corresponden a array1, y los verdes a array2.
De hecho, se pueden concatenar cualquier cantidad de arreglos, y funcionará de la misma manera.
Swipe to start coding
Está analizando los datos simulados de ventas trimestrales de dos productos en 2021 y 2022. Los datos se almacenan en dos arreglos 2D:
sales_data_2021: contiene los datos de ventas de cada trimestre de 2021 para ambos productos;sales_data_2022: contiene los datos de ventas de cada trimestre de 2022 para ambos productos.
- Concatenar los datos de ventas de ambos productos por columnas, combinando los datos de ambos años.
- Asegurarse de que los datos de ventas de 2022 sigan a los datos de 2021.
Solución
Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones¡Gracias por tus comentarios!
single
