深圳市住房和城乡建设局网站首页上海网站开发制作公司

np.hstack 是 numpy 中的一个函数，用于将多个数组沿**水平方向（列方向）**堆叠。它适用于一维数组和多维数组，但要求所有数组在除第二个轴（列轴）以外的其他轴上形状相同。

语法：

numpy.hstack(tup)

• tup：一个包含多个数组的元组或列表，这些数组将被水平堆叠。

用法示例：

1. 一维数组的堆叠

import numpy as npa = np.array([1, 2, 3])
b = np.array([4, 5, 6])result = np.hstack((a, b))
print(result)

输出：

[1 2 3 4 5 6]

2. 二维数组的堆叠

import numpy as npa = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])result = np.hstack((a, b))
print(result)

输出：

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

3. 多维数组的堆叠

import numpy as npa = np.array([[[1, 2], [3, 4]]])
b = np.array([[[5, 6], [7, 8]]])result = np.hstack((a, b))
print(result)

输出：

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

注意事项：

1. 形状匹配：

   • 对于一维数组，长度可以不同。
   • 对于多维数组，除第二个轴（列轴）外，其他轴的长度必须相同。
   • 例如，a.shape = (2, 3) 和 b.shape = (2, 4) 可以堆叠，结果为 (2, 7)。

2. 与 np.vstack 的区别：

   • np.hstack 是水平堆叠（沿列方向）。
   • np.vstack 是垂直堆叠（沿行方向）。

3. 与 np.concatenate 的关系：

   • np.hstack 是 np.concatenate 的特例，相当于 np.concatenate(tup, axis=1)。

示例：形状不匹配的情况

如果数组形状不匹配，np.hstack 会抛出错误：

import numpy as npa = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])  # 形状为 (1, 2)，与 a 的形状 (2, 2) 不匹配result = np.hstack((a, b))  # 会抛出 ValueError

错误信息：

ValueError: all the input arrays must have same number of dimensions

总结：

• np.hstack 用于将数组沿水平方向堆叠。
• 适用于一维和多维数组，但需要满足形状匹配条件。
• 是 np.concatenate(axis=1) 的简化版本。