除了以外,所有功能都是用Python编写的np.concatenate
。使用IPython shell,您只需使用??
。
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尺寸,然后在右轴上串联来起作用。它们只是便利功能。
和更新的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)
也就是说,它会扩展所有输入的暗淡效果(有点像np.expand_dims
),然后进行串联。使用axis=0
,效果与相同np.array
。
hstack
文档现在添加:
函数concatenate
,stack
并 block
提供更多常规的堆叠和串联操作。
np.block
也是新的。实际上,它沿着嵌套列表递归连接。