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 concatenatestackblock 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]])