numpy.ma.hstack#

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

沿水平方向（按列）堆叠数组。

这等同于沿第二个轴进行连接，但对于一维数组，它会沿第一个轴进行连接。它重建由 hsplit 分割的数组。

此函数对于最多具有 3 个维度的数组最有用。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连接操作。

参数:

tupndarray 序列: 除第二个轴外，所有数组必须具有相同的形状，但一维数组可以是任意长度。如果输入是单个 array_like，它将被视为数组序列；即，沿着第零个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 同时提供。

1.24 版本新增。
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 版本新增。

返回:

stackedndarray: 通过堆叠给定数组形成的数组。

另请参阅

concatenate: 沿现有轴连接数组序列。
stack: 沿新轴连接数组序列。
block: 从嵌套的块列表组装一个 nd 数组。
vstack: 沿垂直方向（按行）堆叠数组。
dstack: 沿深度方向（沿第三个轴）堆叠数组。
column_stack: 将一维数组作为列堆叠到二维数组中。
hsplit: 将数组水平方向（按列）拆分为多个子数组。
unstack: 沿一个轴将数组拆分为子数组元组。

注意

如果存在，该函数将同时应用于 _data 和 _mask。

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]])