numpy.hstack

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

按水平方向(按列)顺序堆叠数组.

这等效于沿第二个轴的串联,除了在 1-D 数组中,它沿第一个轴串联.重建被 hsplit 分割的数组.

此函数对于最多 3 个维度的数组最有意义.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串联操作.

参数:

tupndarray 序列

除了第二个轴之外,数组必须沿所有轴具有相同的形状,但 1-D 数组的长度可以任意.对于单个类数组输入,它将被视为数组序列;即,沿第零个轴的每个元素都被视为一个单独的数组.

dtypestr 或 dtype

如果提供,目标数组将具有该 dtype.不能与 out 一起提供.

在 1.24 版本加入.

casting{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’},可选

控制可能发生的数据类型转换的种类.默认为"same_kind".

在 1.24 版本加入.

返回:

stackedndarray

通过堆叠给定数组形成的数组.

参见

concatenate

沿现有轴连接数组序列.

stack

沿新轴连接数组序列.

block

从块的嵌套列表中组装一个 nd-array.

vstack

按垂直方向(按行)顺序堆叠数组.

dstack

按深度方向(沿第三轴)顺序堆叠数组.

column_stack

将 1-D 数组作为列堆叠到 2-D 数组中.

hsplit

将数组水平(按列)拆分为多个子数组.

unstack

沿轴将数组分割成子数组的元组.

示例

Try it in your browser!

>>> 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]])

Go BackOpen In Tab