Python使用numpy模块实现矩阵和列表的连接操作方法
发布时间：2026-10-13| 6人浏览过
本文介绍Python中numpy模块的np.concatenate函数，用于高效连接矩阵和列表。通过演示一维列表及二维矩阵在axis为0（行连接）和axis为1（列连接）时的具体用法，解析参数对结果的影响及维度匹配要求，帮助开发者掌握数据拼接技巧。
numpy矩阵与列表连接函数简介
Numpy模块在科学计算和数值处理领域应用广泛，其功能强大。以往在处理特征数据时，若需进行列表或矩阵的拼接，通常需自行编写函数。近期发现Numpy内置了专门用于矩阵和列表连接的函数，不仅使用便捷，且性能优异，值得深入实践。
#!usr/bin/env python
#encoding:utf-8
from __future__ import division
'''
__Author__:沂水寒城
使用numpy模块实现矩阵的连接操作
'''
import numpy as np
def simple_test():
'''
简单的小实验
'''
sim_one,sim_two=[1,5,8,0,3,6],[11,5,8,0,3]
one_list=[[1,2,3],[1,2,1],[3,4,5],[4,5,6]]
two_list=[[5,6,7],[6,7,8],[6,7,9],[0,4,7],[4,6,0],[2,9,1],[5,8,7],[9,7,8],[3,7,9]]
three_list=[[0,4,3,7],[4,6,1,0],[2,5,9,1]]
three_list=np.array(three_list)
four_list=[[2,9,1],[5,8,7],[9,7,8],[3,7,9]]
print '对一维列表连接结果为：'
pring np.concatenate([sim_one,sim_two],axis=0)
print '对两个矩阵按行连接结果为：'
print np.concatenate([one_list,two_list],axis=0)
print '对两个矩阵按列连接结果为：'
print np.concatenate([one_list,three_list.T],axis=1)
print np.concatenate([one_list,four_list],axis=1)
if __name__ == '__main__':
simple_test()
运行上述代码后，输出结果如下所示：
np.concatenate函数参数与连接方向解析
[Decode error - output not utf-8]
[Decode error - output not utf-8]
[ 1 5 8 0 3 6 11 5 8 0 3]
对两个矩阵按行连接结果为：
[[1 2 3]
[1 2 1]
[3 4 5]
[4 5 6]
[5 6 7]
[6 7 8]
[6 7 9]
[0 4 7]
[4 6 0]
[2 9 1]
[5 8 7]
[9 7 8]
[3 7 9]]
对两个矩阵按列连接结果为：
[[1 2 3 0 4 2]
[1 2 1 4 6 5]
[3 4 5 3 1 9]
[4 5 6 7 0 1]]
[[1 2 3 2 9 1]
[1 2 1 5 8 7]
[3 4 5 9 7 8]
[4 5 6 3 7 9]]
[Finished in 0.5s]
在np.concatenate()函数中，第一个参数指定待合并的矩阵或列表序列。第二个参数axis用于控制连接方向：当axis为0时，表示按行进行连接；当axis为1时，表示按列进行连接。
从上述运行结果可以看出，对于一维列表的操作，axis参数可以省略；同样地，对于二维列表，当axis设置为0（即按行连接）时，该参数也可省略不写。
然而，当axis设置为1（按列连接）时，必须确保参与连接的各个数据矩阵具有相同的行数，否则程序将抛出错误：
axis=1时的维度匹配要求与连接逻辑
AttributeError: 'list' object has no attribute 'T'这表明，当axis为1时，连接操作的本质是将矩阵以列为基准，将对应行的数据横向拼接在一起。
反之，当axis为0时，连接操作的本质是将矩阵以行为基准，将数据纵向堆叠在一起。
以上介绍了Python使用numpy模块实现矩阵和列表连接的具体操作方法，希望能对读者有所帮助，也欢迎大家继续支持本站获取更多技术分享。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
