numpy.vstack

numpy.vstack(tup, *, dtype=None, casting='same_kind')

垂直（行方向）堆叠数组序列。

这等效于沿着第一个轴进行连接，前提是形状为 (N,) 的一维数组已重塑为 (1,N)。重建被 vsplit 分割的数组。

对于最多 3 维的数组，此函数最有效。例如，对于具有高度（第一轴）、宽度（第二轴）和 r/g/b 通道（第三轴）的像素数据。函数 concatenate、stack 和 block 提供更通用的堆叠和连接操作。

参数：

tupndarray 序列

这些数组除了第一个轴之外，沿所有轴都必须具有相同的形状。一维数组必须具有相同的长度。对于单个类似数组的输入，它将被视为数组序列；即，沿第零轴的每个元素都被视为一个单独的数组。

dtypestr 或 dtype

如果提供，目标数组将具有此 dtype。不能与 out 一起提供。

版本 1.24 中的新功能。

casting{'no', 'equiv', 'safe', 'same_kind', 'unsafe'}，可选

控制可以发生哪种数据转换。默认为 'same_kind'。

版本 1.24 中的新功能。

返回：

stackedndarray

通过堆叠给定数组形成的数组，至少为 2 维。

另请参见

concatenate

沿着现有轴连接一系列数组。

stack

沿着新轴连接一系列数组。

block

从嵌套的块列表中组装一个 nd 数组。

hstack

水平（列方向）堆叠数组序列。

dstack

深度方向（沿第三轴）堆叠数组序列。

column_stack

将一维数组作为列堆叠到二维数组中。

vsplit

将数组垂直（行方向）拆分为多个子数组。

unstack

沿着轴将数组拆分为子数组元组。

示例

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

>>> a = np.array([[1], [2], [3]])
>>> b = np.array([[4], [5], [6]])
>>> np.vstack((a,b))
array([[1],
       [2],
       [3],
       [4],
       [5],
       [6]])