7、Numpy数组堆叠

系列文章：Numpy系列文章-CSDN博客      

目录

np.hstack 和 np.vstack

水平堆叠 (np.hstack)

垂直堆叠 (np.vstack)

np.concatenate

np.column_stack 和 np.row_stack

np.dstack

np.stack

---

np.hstack 和 np.vstack

np.hstack（水平堆叠）和 np.vstack（垂直堆叠）是两个最常用的堆叠函数。

水平堆叠 (np.hstack)

import numpy as np 

# 创建两个一维数组 
a = np.array([1, 2, 3]) 
b = np.array([4, 5, 6]) 

# 水平堆叠 
h_stack = np.hstack((a, b)) 
print("Horizontal stack:\n", h_stack)

输出：

Horizontal stack: [1 2 3 4 5 6] 

垂直堆叠 (np.vstack)

# 垂直堆叠 
v_stack = np.vstack((a, b)) 
print("Vertical stack:\n", v_stack)

输出：

Vertical stack: [[1 2 3] [4 5 6]] 

np.concatenate

np.concatenate 是一个更通用的函数，它可以沿指定的轴堆叠多个数组。

# 沿第一个轴（垂直方向）堆叠 
concat_0 = np.concatenate((a[:, np.newaxis], b[:, np.newaxis]), axis=0) 
print("Concatenate along axis 0:\n", concat_0) 

# 沿第二个轴（水平方向）堆叠 
concat_1 = np.concatenate((a[:, np.newaxis], b[:, np.newaxis]), axis=1) 
print("Concatenate along axis 1:\n", concat_1)

预期输出：

Concatenate along axis 0: 
[[1] [2] [3] [4] [5] [6]] 
Concatenate along axis 1: 
[[1 4] [2 5] [3 6]] 

np.column_stack 和 np.row_stack

np.column_stack 类似于 np.hstack，但它是专门为一维数组设计的，将一维数组作为列堆叠到二维数组中。np.row_stack 类似于 np.vstack，用于堆叠行。

# 列堆叠 
column_stack = np.column_stack((a, b)) 
print("Column stack:\n", column_stack) 

# 行堆叠 6row_stack = np.row_stack((a, b)) 
print("Row stack:\n", row_stack)

输出：

Column stack: 
[[1 4] [2 5] [3 6]] 
Row stack: 
[[1 2 3] [4 5 6]] 

np.dstack

np.dstack 用于沿第三维度（深度方向）堆叠数组。

# 深度堆叠 
d_stack = np.dstack((a, b)) 
print("Depth stack:\n", d_stack)

输出：

Depth stack: [[[1 4] [2 5] [3 6]]] 

np.stack

np.stack 是一个通用的堆叠函数，允许你沿新的轴堆叠数组。

# 创建两个二维数组 
a_2d = np.array([[1, 2], [3, 4]]) 
b_2d = np.array([[5, 6], [7, 8]]) 

# 沿新轴堆叠 
new_stack = np.stack((a_2d, b_2d), axis=0) 
print("Stack along new axis:\n", new_stack)

输出：

Stack along new axis:
 [[[1 2]
   [3 4]]

  [[5 6]
   [7 8]]]