numpy.hstack#

numpy.hstack(tup, *, dtype=None, casting='same_kind')[源代码]#

按顺序水平堆叠数组（按列）.

这相当于沿着第二个轴进行连接,除了1-D数组外,它沿着第一个轴进行连接.重建由 hsplit 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:

tupndarrays 序列: 数组必须在除第二个轴之外的所有轴上具有相同的形状,除了1-D数组可以是任意长度.
dtypestr 或 dtype: 如果提供,目标数组将具有此数据类型.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.默认为 ‘same_kind’.

在 1.24 版本加入.

返回:

stackedndarray: 通过堆叠给定的数组形成的数组.

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数组.
vstack: 按顺序垂直堆叠数组（按行）.
dstack: 按顺序深度堆叠数组（沿第三轴）.
column_stack: 将一维数组作为列堆叠成二维数组.
hsplit: 将一个数组水平（按列）拆分为多个子数组.
unstack: 沿轴将数组拆分为子数组的元组.

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]])