numpy.ma.hstack#
- ma.hstack = <numpy.ma.extras._fromnxfunction_seq object>#
水平(按列)顺序堆叠数组。
这等同于沿第二轴进行连接,除了 1-D 数组,它们沿第一个轴进行连接。重建被
hsplit
分割的数组。对于最多 3 维的数组,此函数最有意义。例如,对于具有高度(第一轴)、宽度(第二轴)和 r/g/b 通道(第三轴)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:
- tupndarrays 序列
这些数组必须沿除第二轴之外的所有轴具有相同的形状,除了 1-D 数组,它们可以是任何长度。
- dtypestr 或 dtype
如果提供,目标数组将具有此 dtype。不能与 out 一起提供。
1.24 版中的新功能。
- casting{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’}, 可选
控制可能发生的数据转换类型。默认为 ‘same_kind’。
1.24 版中的新功能。
- 返回:
- stackedndarray
通过堆叠给定数组形成的数组。
另请参阅
concatenate
沿现有轴连接一系列数组。
stack
沿新轴连接一系列数组。
block
从嵌套的块列表中组装 nd-数组。
vstack
垂直(按行)顺序堆叠数组。
dstack
按深度(沿第三轴)顺序堆叠数组。
column_stack
将 1-D 数组堆叠成列,形成一个 2-D 数组。
hsplit
水平(按列)将数组分成多个子数组。
unstack
沿轴将数组拆分为子数组元组。
注意事项
该函数将应用于 _data 和 _mask(如果有)。
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]])