numpy.ma.hstack#

ma.hstack(tup, *, dtype=None, casting='same_kind')[源代码]#

按顺序水平（逐列）堆叠数组。

这等同于沿第二个轴进行连接，但对于1-D数组，它沿第一个轴进行连接。重建由 hsplit 分割的数组。

此函数对于维度最多为 3 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连接操作。

参数:
tupndarray序列

除了1-D数组（可以是任意长度）之外，数组在除第二个轴之外的所有轴上都必须具有相同的形状。对于单个数组类输入，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。

dtypestr 或 dtype

如果提供，则目标数组将具有此 dtype。不能与 out 一起提供。

版本1.24中新增。

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

控制允许哪种类型的数据转换。默认为 'same_kind'。

版本1.24中新增。

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

从嵌套块列表中组装 ndarray。

vstack

按顺序垂直（逐行）堆叠数组。

dstack

按顺序按深度（沿第三轴）堆叠数组。

column_stack

将 1D 数组作为列堆叠到 2D 数组中。

hsplit

将数组水平（按列）分割成多个子数组。

unstack

沿轴将数组分割成一个子数组元组。

备注

该函数应用于 _data 和 _mask（如果存在）。

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]])
在此页面