Créer 2 dimensions tableau à 2 dimensions, tableau

J'ai utilisé numpy et scipy et il y a une certaine fonction de vraiment se soucier de la dimension de la matrice, j'ai un nom de fonction CovexHull(point) qui acceptent le point 2 dimensions tableau.

coque = ConvexHull(points)

In [1]: points.ndim
Out[1]: 2
In [2]: points.shape
Out[2]: (10, 2)
In [3]: points
Out[3]: 
array([[ 0. ,  0. ],
       [ 1. ,  0.8],
       [ 0.9,  0.8],
       [ 0.9,  0.7],
       [ 0.9,  0.6],
       [ 0.8,  0.5],
       [ 0.8,  0.5],
       [ 0.7,  0.5],
       [ 0.1,  0. ],
       [ 0. ,  0. ]])

Comme vous pouvez le voir ci-dessus les points est un numpy avec ndim 2.

Maintenant, j'ai 2 tableau numpy (tp et fp) comme ceci (par exemple fp)

In [4]: fp.ndim
Out[4]: 1
In [5]: fp.shape
Out[5]: (10,)
In [6]: fp
Out[6]: 
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.4,
        0.5, 0.6,  0.9,  1. ])

Ma question est comment puis-je créer un 2 dimensions tableau numpy effectivement comme points de tp et fp

OriginalL'auteur Am1rr3zA | 2013-07-17

  1. 28

    Si vous souhaitez les combiner deux 10 de l'élément 1-d des tableaux dans un tableau 2d np.vstack((tp, fp)).T de le faire. np.vstack((tp, fp)) retournera un tableau de la forme (2, 10), et la T attribut renvoie la transposée de la matrice de la forme (10, 2) (c'est à dire avec les deux 1-d tableaux formant des colonnes plutôt que de lignes).

    >>> tp = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> tp.ndim
1
>>> tp.shape
(10,)

>>> fp = np.array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19])
>>> fp.ndim
1
>>> fp.shape
(10,)

>>> combined = np.vstack((tp, fp)).T
>>> combined
array([[ 0, 10],
       [ 1, 11],
       [ 2, 12],
       [ 3, 13],
       [ 4, 14],
       [ 5, 15],
       [ 6, 16],
       [ 7, 17],
       [ 8, 18],
       [ 9, 19]])

>>> combined.ndim
2
>>> combined.shape
(10, 2)
    +1, mais vous pouvez obtenir la bonne forme directement avec np.column_stack.
    C'est encore mieux!

    OriginalL'auteur ijmarshall