NumPy Array Join

Menggabungkan (Join) berarti meletakkan konten dari dua atau lebih array dalam satu array.

Dalam SQL menggabungkan tabel dapat dilakukan berdasarkan sebuah kunci, sedangkan di NumPy menggabungkan array dapat dilakukan dengan sumbu.

Kita melewati urutan array yang ingin digabungkan ke fungsi concatenate(), bersama dengan sumbu. Jika sumbu tidak diteruskan secara eksplisit, maka nilainya diambil sebagai 0.

Contoh:
Menggabungkan dua array

import numpy as np

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

arr = np.concatenate((arr1, arr2))

print(arr)

Contoh
Gabungkan dua array 2-D di sepanjang baris (sumbu = 1)

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])

arr2 = np.array([[5, 6], [7, 8]])

arr = np.concatenate((arr1, arr2), axis=1)

print(arr)

Menggabungkan Array Menggunakan Fungsi Stack

Penumpukan (stack) sama dengan penggabungan, perbedaan hanya ada satu yaitu stack dilakukan di sepanjang sumbu baru.

Kita dapat menggabungkan dua array 1-D sepanjang sumbu kedua yang akan menghasilkan penempatan satu di atas yang lain, yaitu stack (menumpuk).

Kita melewati urutan array yang ingin digabungkan ke metode stack() bersama dengan sumbu. Jika sumbu tidak dilewatkan secara eksplisit, maka dianggap 0.

Contoh:

import numpy as np

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

arr = np.stack((arr1, arr2), axis=1)

print(arr)

Stack di Sepanjang Baris

NumPy menyediakan fungsi pembantu: hstack() untuk stack di sepanjang baris.

Contoh:

import numpy as np

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

arr = np.hstack((arr1, arr2))

print(arr)

Stack di Sepanjang Kolom

NumPy menyediakan fungsi pembantu: vstack() untuk stack di sepanjang kolom.

Contoh:

import numpy as np

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

arr = np.vstack((arr1, arr2))

print(arr)

Stack sepanjang Ketinggian (kedalaman)

NumPy menyediakan fungsi pembantu: dstack() untuk menumpuk sepanjang ketinggian, atau sama dengan kedalaman.

Contoh:

import numpy as np

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

arr = np.dstack((arr1, arr2))

print(arr)