合并两个numpy数组答案

【问题标题】：Merge two numpy arrays合并两个numpy数组
【发布时间】：2017-09-19 13:44:40
【问题描述】：

我正在尝试合并两个具有相同数量参数的数组。

输入：

first = [[650001.88, 300442.2,   18.73,  0.575,  650002.094, 300441.668, 18.775],
         [650001.96, 300443.4,   18.7,   0.65,   650002.571, 300443.182, 18.745],
         [650002.95, 300442.54,  18.82,  0.473,  650003.056, 300442.085, 18.745]]

second = [[1],
          [2],
          [3]]

我的预期输出：

final = [[650001.88, 300442.2,   18.73,  0.575,  650002.094, 300441.668, 18.775, 1],
             [650001.96, 300443.4,   18.7,   0.65,   650002.571, 300443.182, 18.745, 2],
             [650002.95, 300442.54,  18.82,  0.473,  650003.056, 300442.085, 18.745, 3]]

为此，我创建了一个简单的循环：

for i in first:
        for j in second:
            final += np.append(j, i)

我得到了我的补充，我错过了一些东西。首先，我的循环非常慢。其次，我的数据相当有我有超过 2 百万行要循环。因此，我尝试使用以下代码找到更快的方法：

final = [np.append(i, second[0]) for i in first]

它的工作速度比前一个循环快得多，但它只附加第二个数组的第一个值。你能帮帮我吗？

【问题讨论】：

标签： arrays python-3.x numpy merge

【解决方案1】：

使用np.array，然后使用np.concatenate，

import numpy as np

first = np.array([[650001.88, 300442.2,   18.73,  0.575,  
                   650002.094, 300441.668, 18.775],
                  [650001.96, 300443.4,   18.7,   0.65,   
                   650002.571, 300443.182, 18.745],
                  [650002.95, 300442.54,  18.82,  0.473,  
                   650003.056, 300442.085, 18.745]])

second = np.array([[1],
                   [2],
                   [3]])

np.concatenate((first, second), axis=1)

其中axis=1表示我们要水平连接。

这对我有用

【讨论】：

【解决方案2】：

使用np.column_stack:

import numpy as np

first = [[650001.88, 300442.2,   18.73,  0.575,  650002.094, 300441.668, 18.775],
         [650001.96, 300443.4,   18.7,   0.65,   650002.571, 300443.182, 18.745],
         [650002.95, 300442.54,  18.82,  0.473,  650003.056, 300442.085, 18.745]]

second = [[1],
          [2],
          [3]]

np.column_stack([first, second])

如果你需要它作为一个列表，使用方法tolist：

np.column_stack([first, second]).tolist()

【讨论】：

【解决方案3】：

将 5x3 矩阵乘以 3x2 矩阵（实数矩阵乘积）

import numpy as np
np_1= np.arange(15).reshape(5,3)
np_1

【讨论】：