numpy.block#

numpy.block(arrays)[source]#

从嵌套的块列表中组装一个 nd-array。

最内层列表中的块沿最后一个维度 (-1) 连接（参见 concatenate），然后这些块沿倒数第二个维度 (-2) 连接，依此类推，直到到达最外层列表。

块可以是任何维度，但不会使用正常的规则进行广播。相反，将插入大小为 1 的前导轴，以使 block.ndim 对所有块都相同。这主要用于处理标量，意味着像 np.block([v, 1]) 这样的代码是有效的，其中 v.ndim == 1。

当嵌套列表深度为 2 时，这允许从其组件构建块矩阵。

版本 1.13.0 中的新功能。

参数:
arraysarray_like 或标量的嵌套列表（但不是元组）

如果传递了一个单个 ndarray 或标量（深度为 0 的嵌套列表），则将返回未修改的该值（并且不会被复制）。

元素形状必须沿适当的轴匹配（不进行广播），但必要时会将前导 1 添加到形状以使维度匹配。

返回值:
block_arrayndarray

从给定块组装的数组。

输出的维度等于以下两者中较大的值：

  • 所有输入的维度

  • 输入列表的嵌套深度

引发:
ValueError

  • 如果列表深度不匹配 - 例如，[[a, b], c] 是非法的，应该写成 [[a, b], [c]]

  • 如果列表为空 - 例如，[[a, b], []]

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。

vstack

将数组按顺序垂直堆叠（按行）。

hstack

将数组按顺序水平堆叠（按列）。

dstack

将数组按顺序深度堆叠（沿第三轴）。

column_stack

将 1-D 数组作为列堆叠到一个 2-D 数组中。

vsplit

将数组垂直（按行）拆分为多个子数组。

unstack

沿着某个轴将数组拆分为子数组元组。

备注

当仅使用标量调用时，np.block 等效于 ndarray 调用。因此，np.block([[1, 2], [3, 4]]) 等效于 np.array([[1, 2], [3, 4]])。

此函数不强制块位于固定网格上。 np.block([[a, b], [c, d]]) 不限于以下形式的数组

AAAbb
AAAbb
cccDD

但对于某些 a, b, c, d 也允许生成

AAAbb
AAAbb
cDDDD

由于连接首先沿最后一个轴进行，因此 block 不能直接生成以下内容

AAAbb
cccbb
cccDD

Matlab 的“方括号堆叠”，[A, B, ...; p, q, ...]，等效于 np.block([[A, B, ...], [p, q, ...]])。

示例

此函数最常见的用途是构建块矩阵

>>> import numpy as np
>>> A = np.eye(2) * 2
>>> B = np.eye(3) * 3
>>> np.block([
...     [A,               np.zeros((2, 3))],
...     [np.ones((3, 2)), B               ]
... ])
array([[2., 0., 0., 0., 0.],
       [0., 2., 0., 0., 0.],
       [1., 1., 3., 0., 0.],
       [1., 1., 0., 3., 0.],
       [1., 1., 0., 0., 3.]])

对于深度为 1 的列表，block 可用作 hstack

>>> np.block([1, 2, 3])              # hstack([1, 2, 3])
array([1, 2, 3])

>>> a = np.array([1, 2, 3])
>>> b = np.array([4, 5, 6])
>>> np.block([a, b, 10])             # hstack([a, b, 10])
array([ 1,  2,  3,  4,  5,  6, 10])

>>> A = np.ones((2, 2), int)
>>> B = 2 * A
>>> np.block([A, B])                 # hstack([A, B])
array([[1, 1, 2, 2],
       [1, 1, 2, 2]])

对于深度为 2 的列表，block 可用作 vstack

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

>>> A = np.ones((2, 2), int)
>>> B = 2 * A
>>> np.block([[A], [B]])             # vstack([A, B])
array([[1, 1],
       [1, 1],
       [2, 2],
       [2, 2]])

它也可以用作 atleast_1d 和 atleast_2d 的替代

>>> a = np.array(0)
>>> b = np.array([1])
>>> np.block([a])                    # atleast_1d(a)
array([0])
>>> np.block([b])                    # atleast_1d(b)
array([1])

>>> np.block([[a]])                  # atleast_2d(a)
array([[0]])
>>> np.block([[b]])                  # atleast_2d(b)
array([[1]])
本页内容