numpy.hstack VS numpy.vstack VS numpy.dstack 的应用比较,超清晰~

本文介绍了numpy中用于数组拼接的hstack, vstack和dstack方法,详细解析了它们在不同维度上的应用。hstack水平拼接,vstack垂直拼接,dstack在第三个维度上拼接。注意,输入数组需以tuple形式传入,且一维数据需调整形状以适应dstack操作。通过实例展示了这三个方法对一维和二维数组的拼接效果,帮助读者更好地掌握numpy数组操作。
摘要由CSDN通过智能技术生成

闲话少说,直接上重点;
hstack,vstack 和dstack是numpy的常见的三个numpy.array 的拼接方式;不同点是,hstack是从水平(horizon)维度进行拼接,相当于numpy.concatenate(, axis = 1); vstack是从垂直(vertical)维度进行拼接,相当于numpy.concatenate(, axis = 0);dstack是从第三个维度,深度(deep)维度进行拼接,相当于numpy.concatenate(, axis = 2);另外,需注意【易错点】,放入方法中的np.array数组需以 sequence,即tuple形式输入!

最后,额外需注意 dstack方法,在对于输入为一维的数组,即 N * 1 的数据先调整为 1 * N * 1的格式,再进行dstack操作,即在第三个维度上扩容;在对于输入为二维的数组,即 M * N 的数据先调整为 M * N * 1 的格式,再进行dstack操作。

文章目录


代码实现

首先利用 pip install numpy 在终端导入numpy库,然后进行如下实验操作;

一. 首先对一维数组进行hstack, vstack, dstack 的操作

  1. 先设置 a,b两个一维的np.array 格式的数据:
import numpy as np
a = np.array([1,2,3])
b = np.array([2,3,4])
  1. 分别使用np.hstack,np.vstack 和 np.dstack 对 (a,b) 进行操作,比较结果异同:
c1 = np.hstack((a,b))
c2 = np.vstack((a,b))
c3 = np.dstack((a,b))

print(c1)
print(c2)
print(c3)
  1. 打印结果如下;
[1 2 3 2 3 4]
[[1 2 3]
 [2 3 4]]
[[[1 2]
  [2 3]
  [3 4]]]

二. 然后对二维数组进行hstack, vstack, dstack 的操作

  1. 设置 a1,b1两个二维的np.array 格式的数据:
import numpy as np
a1 = np.array([[1], [2], [3]])
b1 = np.array([[2], [3], [4]])
  1. 分别使用np.hstack,np.vstack 和 np.dstack 对 (a,b) 进行操作,比较结果异同:
d1 = np.hstack((a1, b1))
d2 = np.vstack((a1, b1))
d3 = np.dstack((a1, b1))

print(d1)
print(d2)
print(d3)

  1. 打印结果如下;
[1 2]
 [2 3]
 [3 4]]
[[1]
 [2]
 [3]
 [2]
 [3]
 [4]]
[[[1 2]]

 [[2 3]]

 [[3 4]]]

总结

希望对你对numpy库相关方法的理解有所帮助,请点赞鼓励!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
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

打赏作者

Efred.D

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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