numpy.vstack

numpy.vstack(tup, *, dtype=None, casting='same_kind')

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]])