Python中的np.vstack()和np.hstack()如何使用

本文小编为大家详细介绍“Python中的np.vstack()和np.hstack()如何使用”，内容详细，步骤清晰，细节处理妥当，希望这篇“Python中的np.vstack()和np.hstack()如何使用”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。

在这里我们介绍两个拼接数组的方法：

np.vstack():在竖直方向上堆叠

np.hstack():在水平方向上平铺

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))

结果如下：

[[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]]

这里还需要强调一点，在hstack应用的时候，我在做cs231n上的assignment1的时候，我总是在hstack这里出错！才发现我以前学的很肤浅啊！

（1）np.hstack()

函数原型：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.

等价于：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]))

最后一行如果不注释掉就会出错;

[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])]

错误的原因就是以为我的array的维度不一致。改成+就好啦，加号是list的拼接！

例子二：

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

结果是：表明了一维的数组hstack是随意的。

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

例子三：

表明我们的hstack必须要第二维度是一样的：

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]]))

结果：

[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会报错了！！！

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()

函数原型：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.

表示我们除了第一维可以不一样外，其他的维度上必须相同的shape。一维的数组必须大小一样。

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错的！

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]]))

同样的表明了，如果我们的数组的第二维不一样所以出错了。

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：

我们传入的是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)

结果：

[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]]

读到这里，这篇“Python中的np.vstack()和np.hstack()如何使用”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注亿速云行业资讯频道。