何时应该使用hstack / vstack vs append vs concatenate vs column_stack？

Question

何时应该使用hstack / vstack vs append vs concatenate vs column_stack？

pythonnumpy

126

简单问题：这些方法各自有什么优点？在给定正确的参数和ndarray形状的情况下，它们似乎都可以等效地工作。有些是原地操作？有更好的性能？我应该在什么时候使用哪些函数？

- Stefan Sullivan

4个回答

60

所有函数都是用Python编写的，除了np.concatenate。如果使用IPython shell，只需使用??即可。

如果不是，这里是他们代码的摘要：

vstack
concatenate([atleast_2d(_m) for _m in tup], 0)
i.e. turn all inputs in to 2d (or more) and concatenate on first

hstack
concatenate([atleast_1d(_m) for _m in tup], axis=<0 or 1>)

colstack
transform arrays with (if needed)
    array(arr, copy=False, subok=True, ndmin=2).T

append
concatenate((asarray(arr), values), axis=axis)

换句话说，它们都通过调整输入数组的维度，然后在右轴上进行连接来工作。它们只是方便的函数。

还有较新的np.stack：

arrays = [asanyarray(arr) for arr in arrays]
shapes = set(arr.shape for arr in arrays)
result_ndim = arrays[0].ndim + 1
axis = normalize_axis_index(axis, result_ndim)
sl = (slice(None),) * axis + (_nx.newaxis,)

expanded_arrays = [arr[sl] for arr in arrays]
concatenate(expanded_arrays, axis=axis, out=out)

即它扩展了所有输入的维度（有点像np.expand_dims），然后进行串联。使用axis=0，其效果与np.array相同。文档现在添加:

函数concatenate、stack和block提供了更一般的堆叠和串联操作。

np.block也是新的。它实际上是沿嵌套列表递归连接。

- hpaulj

25

numpy.vstack：将数组沿垂直方向（行方向）按顺序叠加。等同于np.concatenate(tup, axis=0)，示例请参见：https://docs.scipy.org/doc/numpy/reference/generated/numpy.vstack.html

numpy.hstack：将数组沿水平方向（列方向）按顺序叠加。等同于np.concatenate(tup, axis=1)，但对于一维数组，它是沿第一个轴连接。示例请参见：https://docs.scipy.org/doc/numpy/reference/generated/numpy.hstack.html

append是Python内置数据结构list的函数。每次添加元素到列表中，显然，要添加多个元素，你将使用extend。简而言之，NumPy的函数更加强大。

示例：

假设gray.shape = (n0,n1)

np.vstack((gray,gray,gray))将具有形状(n0*3, n1)，也可以通过np.concatenate((gray,gray,gray),axis=0)来实现

np.hstack((gray,gray,gray))将具有形状(n0, n1*3)，也可以通过np.concatenate((gray,gray,gray),axis=1)来实现

np.dstack((gray,gray,gray))将具有形状(n0, n1,3)。

- Yuchao Jiang

除了1-D数组，它会沿着第一个轴进行连接。这行代码解决了我的问题，谢谢！ - Dev_Man

18

在IPython中，您可以输入函数名称，后跟??来查看函数的源代码。查看hstack，我们可以看到它实际上只是concatenate的包装器（类似于vstack和column_stack）。

np.hstack??
def hstack(tup):
...
    arrs = [atleast_1d(_m) for _m in tup]
    # As a special case, dimension 0 of 1-dimensional arrays is "horizontal"
    if arrs[0].ndim == 1:
        return _nx.concatenate(arrs, 0)
    else:
        return _nx.concatenate(arrs, 1)

所以，我猜你只需使用那个名称最符合逻辑的。

- maxymoo

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Antony Hatchkins · Accepted Answer

如果你有两个矩阵，只需使用 hstack 和 vstack:

如果你要堆叠一个矩阵和一个向量，则使用 hstack 变得棘手，所以更好的选择是使用 column_stack：

如果你要堆叠两个向量，则有三种选项：

concatenate 的原始形式适用于3D及以上，请参见我的文章Numpy Illustrated获取详细信息。