NumPy 將不同的數(shù)組堆疊在一起

多個(gè)數(shù)組可以沿不同的軸堆疊在一起：

>>> a = np.floor(10 * rg.random((2, 2)))
>>> a
array([[9., 7.],
       [5., 2.]])
>>> b = np.floor(10 * rg.random((2, 2)))
>>> b
array([[1., 9.],
       [5., 1.]])
>>> np.vstack((a, b))
array([[9., 7.],
       [5., 2.],
       [1., 9.],
       [5., 1.]])
>>> np.hstack((a, b))
array([[9., 7., 1., 9.],
       [5., 2., 5., 1.]])

column_stack函數(shù)將一維數(shù)組作為列堆疊到二維數(shù)組中。它等效于hstack僅用于 2D 數(shù)組：

>>> from numpy import newaxis
>>> np.column_stack((a, b))  # with 2D arrays
array([[9., 7., 1., 9.],
       [5., 2., 5., 1.]])
>>> a = np.array([4., 2.])
>>> b = np.array([3., 8.])
>>> np.column_stack((a, b))  # returns a 2D array
array([[4., 3.],
       [2., 8.]])
>>> np.hstack((a, b))        # the result is different
array([4., 2., 3., 8.])
>>> a[:, newaxis]  # view `a` as a 2D column vector
array([[4.],
       [2.]])
>>> np.column_stack((a[:, newaxis], b[:, newaxis]))
array([[4., 3.],
       [2., 8.]])
>>> np.hstack((a[:, newaxis], b[:, newaxis]))  # the result is the same
array([[4., 3.],
       [2., 8.]])

另一方面，row_stack函數(shù)等效vstack于任何輸入數(shù)組。實(shí)際上，row_stack是vstack的別名：

>>> np.column_stack is np.hstack
False
>>> np.row_stack is np.vstack
True

通常，對于具有多于兩個(gè)維度的數(shù)組，?hstack沿著它們的第二個(gè)軸vstack堆疊，沿著它們的第一個(gè)軸堆疊，而且concatenate?允許一個(gè)可選參數(shù)給出應(yīng)該發(fā)生連接的軸的編號。

筆記

在復(fù)雜的情況下，r_并且c_是用于通過沿一個(gè)軸堆疊號碼創(chuàng)建陣列有用的。它們允許使用范圍文字:。

>>> np.r_[1:4, 0, 4]
array([1, 2, 3, 0, 4])

當(dāng)與數(shù)組作為參數(shù)使用的，?r_并且?c_是類似于?vstack和?hstack在它們的默認(rèn)行為，但允許一個(gè)可選參數(shù)給軸沿其來連接的數(shù)量。