将 NumPy 二维数组与列连接（一维数组）答案

【问题标题】：Concatenate NumPy 2D array with column (1D array)将 NumPy 二维数组与列连接（一维数组）
【发布时间】：2019-08-19 21:15:16
【问题描述】：

假设我有一个 2D NumPy 数组 values。我想向它添加新列。新列应为values[:, 19]，但滞后一个样本（第一个元素等于零）。它可以返回为np.append([0], values[0:-2:1, 19])。我试过了：Numpy concatenate 2D arrays with 1D array

temp = np.append([0], [values[1:-2:1, 19]])
values = np.append(dataset.values, temp[:, None], axis=1)

但我明白了：

ValueError: all the input array dimensions except for the concatenation axis 
must match exactly

我也尝试使用c_ 作为：

temp = np.append([0], [values[1:-2:1, 19]])
values = np.c_[values, temp]

但效果是一样的。如何进行这种连接。我认为问题出在temp 方向 - 它被视为行而不是列，因此存在尺寸问题。在 Octave '（转置运算符）中可以解决问题。也许 NumPy 有类似的解决方案？

无论如何，谢谢你的时间。

最好的问候，
最大

【问题讨论】：

如果 temp 是形状 (n,) (1d)，您可以使用 temp[:,None] 或 temp.reshape(n,1) 创建一个二维“列”。然后可以是concatenate，在轴=1 上具有二维（n，m）数组。与 Octave 的主要区别在于 numpy 数组可以是真正的 1d。

标签： python arrays numpy concatenation

【解决方案1】：

In [76]: values = np.arange(16).reshape(4,4)                                                                 
In [77]: temp = np.concatenate(([0], values[1:,-1]))                                                         
In [78]: values                                                                                              
Out[78]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])
In [79]: temp                                                                                                
Out[79]: array([ 0,  7, 11, 15])

这种使用concatenate 来生成temp 类似于您使用append（实际上使用concatenate）。

听起来你想以这种方式加入values和temp：

In [80]: np.concatenate((values, temp[:,None]),axis=1)                                                       
Out[80]: 
array([[ 0,  1,  2,  3,  0],
       [ 4,  5,  6,  7,  7],
       [ 8,  9, 10, 11, 11],
       [12, 13, 14, 15, 15]])

我更喜欢直接使用concatenate。

【讨论】：

【解决方案2】：

您需要将一维数组转换为二维数组，如图所示。然后，您可以使用 vstack 或 hstack 进行整形来获得您想要的最终数组，如图所示：

a = np.array([[1, 2, 3],[4, 5, 6]])
b = np.array([[7, 8, 9]])
c = np.vstack([ele for ele in [a, b]])
print(c)
c = np.hstack([a.reshape(1,-1) for a in [a,b]]).reshape(-1,3)
print(c)

无论哪种方式，输出都是：

[[1 2 3] [4 5 6] [7 8 9]]

希望我正确理解了这个问题

【讨论】：