Python中的np.vstack()和np.hstack()如何使用

本文小編為大家詳細介紹“Python中的np.vstack()和np.hstack()如何使用”，內容詳細，步驟清晰，細節處理妥當，希望這篇“Python中的np.vstack()和np.hstack()如何使用”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

在這里我們介紹兩個拼接數組的方法：

np.vstack():在豎直方向上堆疊

np.hstack():在水平方向上平鋪

import numpy as np
arr1=np.array([1,2,3])
arr2=np.array([4,5,6])
print np.vstack((arr1,arr2))
 
print np.hstack((arr1,arr2))
 
a1=np.array([[1,2],[3,4],[5,6]])
a2=np.array([[7,8],[9,10],[11,12]])
print a1
print a2
print np.hstack((a1,a2))

結果如下：

[[1 2 3]
[4 5 6]]
[1 2 3 4 5 6]
[[1 2]
[3 4]
[5 6]]
[[ 7  8]
[ 9 10]
[11 12]]
[[ 1  2  7  8]
[ 3  4  9 10]
[ 5  6 11 12]]

這里還需要強調一點，在hstack應用的時候，我在做cs231n上的assignment1的時候，我總是在hstack這里出錯！才發現我以前學的很膚淺啊！

（1）np.hstack()

函數原型：numpy.hstack(tup)

其中tup是arrays序列，tup : sequence of ndarrays

The arrays must have the same shape along all but the second axis,except 1-D arrays which can be any length.

等價于：np.concatenate(tup, axis=1)

例子一：

import numpy as np
brr1=np.array([1,2,3,4,55,6,7,77,8,9,99])
brr1_folds=np.array_split(brr1,3)
print brr1_folds
print brr1_folds[0:2]+brr1_folds[1:3]
print np.hstack((brr1_folds[:2]+brr1_folds[1:3]))
print brr1_folds[0:2]
print brr1_folds[1:3]
#print np.hstack((brr1_folds[0:2],brr1_folds[1:3]))

最后一行如果不注釋掉就會出錯;

[array([1, 2, 3, 4]), array([55,  6,  7, 77]), array([ 8,  9, 99])]
[array([1, 2, 3, 4]), array([55,  6,  7, 77]), array([55,  6,  7, 77]), array([ 8,  9, 99])]
[ 1  2  3  4 55  6  7 77 55  6  7 77  8  9 99]
[array([1, 2, 3, 4]), array([55,  6,  7, 77])]
[array([55,  6,  7, 77]), array([ 8,  9, 99])]

錯誤的原因就是以為我的array的維度不一致。改成+就好啦，加號是list的拼接！

例子二：

print np.hstack(([1,2,3,3,4],[3,4,5,8,6,6,7]))

結果是：表明了一維的數組hstack是隨意的。

[1 2 3 3 4 3 4 5 8 6 6 7]

例子三：

表明我們的hstack必須要第二維度是一樣的：

print np.hstack(([1,2,3,3,4],[3,4,5,8,6,6,7]))
print np.hstack(([[1,2,3],[2,3,4]],[[1,2],[2,3]]))

結果：

[1 2 3 3 4 3 4 5 8 6 6 7]
[[1 2 3 1 2]

[2 3 4 2 3]]

如果你把上面改成下面就會報錯了！！！

print np.hstack(([1,2,3,3,4],[3,4,5,8,6,6,7]))
print np.hstack(([[1,2,3],[2,3,4]],[[1,2]]))

（2）np.vstack()

函數原型：numpy.hstack(tup)

tup : sequence of ndarrays

The arrays must have the same shape along all but the first axis.1-D arrays must have the same length.

表示我們除了第一維可以不一樣外，其他的維度上必須相同的shape。一維的數組必須大小一樣。

例子一：

print np.vstack(([1,2,3],[3,4,3]))
print np.vstack(([1,2,3],[2,3]))

但是你要注意的是第二行是出錯的！

例子二：

print np.vstack(([[1,2,3],[3,4,3]],[[1,3,4],[2,4,5]]))
print np.vstack(([[1,2,3],[3,4,3]],[[3,4],[4,5]]))

同樣的表明了，如果我們的數組的第二維不一樣所以出錯了。

print np.vstack(([[1,2,3],[3,4,3]],[[2,4,5]]))
print np.vstack(([[1,2,3],[3,4,3]],[[4,5]]))

例子三：

我們傳入的是list：

import numpy as np
arr1=np.array([[1,2],[2,4],[11,33],[2,44],[55,77],[11,22],[55,67],[67,89]])
arr11=np.array([[11,2,3],[22,3,4],[4,5,6]])
arr1_folds=np.array_split(arr1,3)
print arr1_folds
print np.vstack(arr1_folds)

結果：

[array([[ 1,  2],
      [ 2,  4],
      [11, 33]]), array([[ 2, 44],
      [55, 77],
      [11, 22]]), array([[55, 67],
      [67, 89]])]
[[ 1  2]
[ 2  4]
[11 33]
[ 2 44]
[55 77]
[11 22]
[55 67]
[67 89]]

讀到這里，這篇“Python中的np.vstack()和np.hstack()如何使用”文章已經介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內容的文章，歡迎關注億速云行業資訊頻道。