numpy.vstack#
- numpy.vstack(tup, *, dtype=None, casting='same_kind')[source]#
沿垂直方向(按行)依次堆叠数组。
这等效于在将形状为 (N,) 的一维数组重塑为 (1,N) 后,沿第一个轴进行连接。重建由
vsplit
分割的数组。此函数对于最多 3 维的数组最有意义。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::
- tupndarray 序列
这些数组在除第一个轴之外的所有轴上必须具有相同的形状。一维数组必须具有相同的长度。
- dtypestr 或 dtype
如果提供,目标数组将具有此 dtype。不能与 out 一起提供。
版本 1.24 中的新增功能。
- casting{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’}, 可选
控制可能发生的哪种数据转换。默认为 ‘same_kind’。
版本 1.24 中的新增功能。
- 返回值::
- stackedndarray
由堆叠给定数组形成的数组,至少为 2 维。
参见
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一个 nd-array。
hstack
沿水平方向(按列)依次堆叠数组。
dstack
沿深度方向(沿第三轴)依次堆叠数组。
column_stack
将一维数组作为列堆叠成二维数组。
vsplit
沿垂直方向(按行)将数组拆分为多个子数组。
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.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]])