numpy.vstack#

numpy.vstack(tup, *, dtype=None, casting='same_kind')[源码]#

按顺序垂直（逐行）堆叠数组。

这等同于在将形状为 (N,) 的一维数组重塑为 (1,N) 之后，沿第一个轴进行连接。重建由 vsplit 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

数组沿除第一个轴之外的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。在只有一个 array_like 输入的情况下，它将被视为一个数组序列；也就是说，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

从嵌套块列表中组装 ndarray。

hstack

按顺序水平（逐列）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。

vsplit

将数组垂直（按行）分割成多个子数组。

unstack

沿轴将数组分割成一个子数组元组。

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]])
在此页面