numpy.ma.vstack#

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

沿垂直方向（按行）堆叠数组。

这相当于将形状为 (N,) 的一维数组重塑为 (1,N) 后，沿第一个轴进行连接。它重建了由 vsplit 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 提供了更通用的堆叠和连接操作。

参数:

tupndarray 序列: 除了第一个轴之外，所有数组必须具有相同的形状。一维数组必须具有相同的长度。如果输入是单个类数组对象，它将被视为数组序列；即，沿零轴的每个元素都被视为一个单独的数组。
dtype字符串或 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 版新增。

返回:

stackedndarray: 通过堆叠给定数组形成的数组，将至少是二维的。

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-array。
hstack: 沿水平方向（按列）堆叠数组。
dstack: 沿深度方向（沿第三轴）堆叠数组。
column_stack: 将一维数组作为列堆叠成二维数组。
vsplit: 将数组沿垂直方向（按行）分割成多个子数组。
unstack: 将数组沿某个轴分割成子数组元组。

备注

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.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]])