numpy.hstack#

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

水平（按列）堆叠数组序列。

这等同于沿第二个轴进行连接，但对于 1-D 数组，它会沿第一个轴进行连接。它会重建被 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（第一个轴）、宽度（第二个轴）和 r/g/b 通道（第三个轴）的像素数据。concatenate、stack 和 block 函数提供了更通用的堆叠和连接操作。

参数:

tupndarrays 序列: 除第二个轴外，所有数组的形状必须相同，但 1-D 数组可以具有任意长度。如果输入是单个类数组对象，它将被视为数组序列；即，沿零轴的每个元素都被视为一个单独的数组。
dtypestr 或 dtype: 如果提供，目标数组将具有此 dtype。不能与 out 同时提供。

1.24 版本新增。
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'。

1.24 版本新增。

返回:

stackedndarray: 通过堆叠给定数组形成的数组。

另请参阅

concatenate: 沿现有轴连接数组序列。
stack: 沿新轴连接数组序列。
block: 从块的嵌套列表组装 nd 数组。
vstack: 垂直（按行）堆叠数组序列。
dstack: 沿深度方向（沿第三个轴）堆叠数组序列。
column_stack: 将 1-D 数组堆叠成列，形成 2-D 数组。
hsplit: 水平（按列）将数组分割成多个子数组。
unstack: 沿某个轴将数组分割成子数组元组。

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]])