np.column_stack()数组与列表list的区别

本文探讨了np.column_stack()函数中1维数组和2维数组使用时的区别。当处理1维数据时,该函数会在列上进行扩展,保持行数不变;而对于2维的3*1数组或list,同样遵循列扩展的原则。与np.hstack()对比,np.column_stack()更侧重于列方向的堆叠操作。
摘要由CSDN通过智能技术生成

关于np.column_stack()里面1维数组使用[1维数据]之后的区别

np.column_stack()中的axis类似于np.hstack(tuple)。
关于np.hstack中的理解:Stack arrays in sequence horizontally (column wise)
np.hstack((a,b)),如果a、b是list,则在列上叠加;如果a、b是矩阵array,则在行相同时扩展列,行不变。参见官网例子

    >>> a = np.array((1,2,3))
    >>> b = np.array((2,3,4))
    >>> np.hstack((a,b))
    array([1, 2, 3, 2, 3, 4])
    >>> a = np.array([[1],[2],[3]])
    >>> b = np.array([[2],[3],[4]])
    >>> np.hstack((a,b))
    array([[1, 2],
           [2, 3],
           [3, 4]])

其中np.column_stack()与np.hstack()区别: 对于1d的list,会行不变列扩展;对于2d的array,如3*1的array或者list,一样是行不变列扩展。

# 一
a=[1, 2, 3]
b=[11, 22, 33]
np.column_stack((a,b))
Out[21]: 
array([[ 1, 11],
       [ 2, 22],
       [ 3, 33]])
 # 二
np.column_stack(([[1],[2],[3]],[[11],[12],[13]]))
Out[22]: 
array([[ 1, 11],
       [ 2, 12],
       [ 3, 13]])
# 三
a_array = np.array([[1],[2],[3]])
b_array = np.array([[2],[3],[4]])
np.column_stack((a_array, b_array))
Out[26]: 
array([[1, 2],
       [2, 3],
       [3, 4]])

import numpy as np
# np.array((1,2,3),(11,22,33))
a=[1,2,3];b=
  • 4
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值