Array-Sammenkobling
Array-sammenkobling er en grunnleggende operasjon i NumPy som kombinerer matriser langs en spesifisert akse for å lage større, mer omfattende datasett. Dette er spesielt nyttig innen maskinlæring, hvor data ofte er delt opp i flere matriser eller lagret separat, for eksempel når de kommer fra ulike kilder.
Større, sammenslåtte datasett gir vanligvis bedre ytelse for ML-modeller og nevrale nettverk.
I hovedsak innebærer sammenkobling å sette sammen matriser for å danne en ny matrise.
NumPy har en concatenate()-funksjon som gjør det mulig å sammenkoble matriser langs en spesifisert akse:
axis=0(standardverdi) sammenkobler matrisene etter rader;axis=1sammenkobler matrisene etter kolonner.
Den første parameteren til denne funksjonen er sekvensen av matriser (en tuple eller list av matriser) som skal sammenkobles, mens axis er den andre parameteren.
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)
Konkatenasjon oppretter et 1D-array med elementene fra det første arrayet etterfulgt av elementene fra det andre arrayet.
Konkatenasjon av 2D-arrays gjøres på lignende måte, men du må også angi parameteren 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}')
De lilla elementene tilsvarer array1, og de grønne tilsvarer array2.
Faktisk kan vi sammenkoble et hvilket som helst antall matriser, og det vil fungere på samme måte.
Swipe to start coding
Du analyserer simulerte kvartalsvise salgsdata for to produkter i 2021 og 2022. Dataene er lagret i to 2D-arrays:
sales_data_2021: inneholder salgsdata for hvert kvartal i 2021 for begge produktene;sales_data_2022: inneholder salgsdata for hvert kvartal i 2022 for begge produktene.
- Slå sammen salgsdataene for begge produktene etter kolonner, slik at dataene for begge år kombineres.
- Sørg for at salgsdataene for 2022 kommer etter salgsdataene for 2021.
Løsning
Takk for tilbakemeldingene dine!
single
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Can you explain what happens if the arrays have different shapes?
How do I concatenate more than two arrays at once?
What are some common errors to watch out for when using np.concatenate()?
Awesome!
Completion rate improved to 3.7Array-Sammenkobling
Sveip for å vise menyen
Array-sammenkobling er en grunnleggende operasjon i NumPy som kombinerer matriser langs en spesifisert akse for å lage større, mer omfattende datasett. Dette er spesielt nyttig innen maskinlæring, hvor data ofte er delt opp i flere matriser eller lagret separat, for eksempel når de kommer fra ulike kilder.
Større, sammenslåtte datasett gir vanligvis bedre ytelse for ML-modeller og nevrale nettverk.
I hovedsak innebærer sammenkobling å sette sammen matriser for å danne en ny matrise.
NumPy har en concatenate()-funksjon som gjør det mulig å sammenkoble matriser langs en spesifisert akse:
axis=0(standardverdi) sammenkobler matrisene etter rader;axis=1sammenkobler matrisene etter kolonner.
Den første parameteren til denne funksjonen er sekvensen av matriser (en tuple eller list av matriser) som skal sammenkobles, mens axis er den andre parameteren.
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)
Konkatenasjon oppretter et 1D-array med elementene fra det første arrayet etterfulgt av elementene fra det andre arrayet.
Konkatenasjon av 2D-arrays gjøres på lignende måte, men du må også angi parameteren 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}')
De lilla elementene tilsvarer array1, og de grønne tilsvarer array2.
Faktisk kan vi sammenkoble et hvilket som helst antall matriser, og det vil fungere på samme måte.
Swipe to start coding
Du analyserer simulerte kvartalsvise salgsdata for to produkter i 2021 og 2022. Dataene er lagret i to 2D-arrays:
sales_data_2021: inneholder salgsdata for hvert kvartal i 2021 for begge produktene;sales_data_2022: inneholder salgsdata for hvert kvartal i 2022 for begge produktene.
- Slå sammen salgsdataene for begge produktene etter kolonner, slik at dataene for begge år kombineres.
- Sørg for at salgsdataene for 2022 kommer etter salgsdataene for 2021.
Løsning
Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenforTakk for tilbakemeldingene dine!
single
