Concaténation de Tableaux
La concaténation de tableaux est une opération fondamentale dans NumPy qui permet de combiner des tableaux le long d’un axe spécifié afin de créer des ensembles de données plus grands et plus complets. Cette opération est particulièrement utile en apprentissage automatique, où les données sont souvent réparties sur plusieurs tableaux ou stockées séparément, par exemple lorsqu’elles proviennent de sources différentes.
Des ensembles de données plus volumineux et unifiés améliorent généralement les performances des modèles d’apprentissage automatique et des réseaux de neurones.
Essentiellement, la concaténation consiste à assembler des tableaux pour former un nouveau tableau.
NumPy propose la fonction concatenate() qui permet de concaténer des tableaux le long d’un axe spécifié :
axis=0(valeur par défaut) concatène les tableaux par lignes ;axis=1concatène les tableaux par colonnes.
Le premier paramètre de cette fonction est la séquence de tableaux (un tuple ou une list de tableaux) à concaténer, tandis que axis est le second paramètre.
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 concaténation crée un tableau 1D avec les éléments du premier tableau suivis par les éléments du second tableau.
La concaténation de tableaux 2D s'effectue de manière similaire, mais il est également nécessaire de spécifier le paramètre 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}')
Les éléments violets correspondent à array1, et les éléments verts à array2.
En réalité, il est possible de concaténer n'importe quel nombre de tableaux, et cela fonctionnera de la même manière.
Swipe to start coding
Vous analysez les données de ventes trimestrielles simulées pour deux produits en 2021 et 2022. Les données sont stockées dans deux tableaux 2D :
sales_data_2021: contient les données de ventes pour chaque trimestre de 2021 pour les deux produits ;sales_data_2022: contient les données de ventes pour chaque trimestre de 2022 pour les deux produits.
- Fusionner les données de ventes des deux produits par colonnes, en combinant les données des deux années.
- Veiller à ce que les données de ventes de 2022 suivent celles de 2021.
Solution
Merci pour vos commentaires !
single
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
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 3.7Concaténation de Tableaux
Glissez pour afficher le menu
La concaténation de tableaux est une opération fondamentale dans NumPy qui permet de combiner des tableaux le long d’un axe spécifié afin de créer des ensembles de données plus grands et plus complets. Cette opération est particulièrement utile en apprentissage automatique, où les données sont souvent réparties sur plusieurs tableaux ou stockées séparément, par exemple lorsqu’elles proviennent de sources différentes.
Des ensembles de données plus volumineux et unifiés améliorent généralement les performances des modèles d’apprentissage automatique et des réseaux de neurones.
Essentiellement, la concaténation consiste à assembler des tableaux pour former un nouveau tableau.
NumPy propose la fonction concatenate() qui permet de concaténer des tableaux le long d’un axe spécifié :
axis=0(valeur par défaut) concatène les tableaux par lignes ;axis=1concatène les tableaux par colonnes.
Le premier paramètre de cette fonction est la séquence de tableaux (un tuple ou une list de tableaux) à concaténer, tandis que axis est le second paramètre.
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 concaténation crée un tableau 1D avec les éléments du premier tableau suivis par les éléments du second tableau.
La concaténation de tableaux 2D s'effectue de manière similaire, mais il est également nécessaire de spécifier le paramètre 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}')
Les éléments violets correspondent à array1, et les éléments verts à array2.
En réalité, il est possible de concaténer n'importe quel nombre de tableaux, et cela fonctionnera de la même manière.
Swipe to start coding
Vous analysez les données de ventes trimestrielles simulées pour deux produits en 2021 et 2022. Les données sont stockées dans deux tableaux 2D :
sales_data_2021: contient les données de ventes pour chaque trimestre de 2021 pour les deux produits ;sales_data_2022: contient les données de ventes pour chaque trimestre de 2022 pour les deux produits.
- Fusionner les données de ventes des deux produits par colonnes, en combinant les données des deux années.
- Veiller à ce que les données de ventes de 2022 suivent celles de 2021.
Solution
Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessousMerci pour vos commentaires !
single
