numpy.hstack#
- numpy.hstack(tup, *, dtype=None, casting='same_kind')[source]#
水平(列方向)堆叠数组序列。
这等效于沿第二个轴进行连接,除了对于一维数组,它沿第一个轴进行连接。重建由
hsplit
分割的数组。对于最多三维的数组,此函数最有意义。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
这些数组除了第二个轴外,沿所有轴都必须具有相同的形状,除了可以是任何长度的一维数组。
- dtypestr 或 dtype
如果提供,目标数组将具有此 dtype。不能与 out 一起提供。
版本 1.24 中的新功能。
- casting{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’},可选
控制可能发生哪种数据转换。默认为 ‘same_kind’。
版本 1.24 中的新功能。
- 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
从嵌套的块列表中组装 nd 数组。
vstack
垂直(行方向)堆叠数组序列。
dstack
沿第三轴(深度方向)堆叠数组序列。
column_stack
将一维数组作为列堆叠到二维数组中。
hsplit
将数组水平(列方向)拆分为多个子数组。
unstack
沿轴将数组拆分为子数组元组。
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]])