numpy.ma.hstack#

ma.hstack = <numpy.ma.extras._fromnxfunction_seq object>#

水平（按列）堆叠序列中的数组。

这等效于沿第二个轴的串联，但对于 1-D 数组，它会沿第一个轴串联。重建被 hsplit 分割的数组。

此函数对于最多 3 维的数组最有意义。例如，对于具有高度（第一个轴）、宽度（第二个轴）和 r/g/b 通道（第三个轴）的像素数据。函数 concatenate, stack 和 block 提供了更通用的堆叠和串联操作。

参数:
tupndarray 序列

除了第二个轴之外，数组必须具有相同的形状，除了 1-D 数组可以具有任何长度。在单个类数组输入的情况下，它将被视为数组序列；即，沿第零个轴的每个元素都被视为单独的数组。

dtypestr 或 dtype

如果提供，目标数组将具有此 dtype。不能与 out 一起提供。

1.24 版本中的新功能。

casting{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’}, 可选

控制可能发生的数据类型转换。默认为 ‘same_kind’。

1.24 版本中的新功能。

返回:
stackedndarray

通过堆叠给定数组形成的数组。

参见

concatenate

沿现有轴连接数组序列。

stack

沿新轴连接数组序列。

block

从嵌套的块列表中组装一个 nd-array。

vstack

垂直（按行）堆叠序列中的数组。

dstack

深度方向（沿第三个轴）堆叠序列中的数组。

column_stack

将 1-D 数组作为列堆叠到 2-D 数组中。

hsplit

将数组水平（按列）分割成多个子数组。

unstack

沿一个轴将数组分割成子数组的元组。

备注

该函数同时应用于 _data 和 _mask（如果有）。

示例

>>> import numpy as np
>>> a = np.array((1,2,3))
>>> b = np.array((4,5,6))
>>> np.hstack((a,b))
array([1, 2, 3, 4, 5, 6])
>>> a = np.array([[1],[2],[3]])
>>> b = np.array([[4],[5],[6]])
>>> np.hstack((a,b))
array([[1, 4],
       [2, 5],
       [3, 6]])
在本页中