我什么时候应该使用 hstack/vstack vs append vs concatenate vs column_stack？答案

【问题标题】：When should I use hstack/vstack vs append vs concatenate vs column_stack?我什么时候应该使用 hstack/vstack vs append vs concatenate vs column_stack？
【发布时间】：2015-10-26 22:02:44
【问题描述】：

简单的问题：每种方法的优点是什么。似乎给定正确的参数（和 ndarray 形状），它们似乎都可以等效地工作。做一些工作吗？有更好的表现吗？什么时候应该使用哪些函数？

【问题讨论】：

标签： python numpy

【解决方案1】：

如果您有两个矩阵，最好只使用 hstack 和 vstack：

如果您要堆叠矩阵和向量，hstack 会变得难以使用，因此 column_stack 是更好的选择：

如果你要堆叠两个向量，你有三个选项：

而 concatenate 的原始形式对 3D 及更高版本很有用，请参阅详情请看我的文章Numpy Illustrated。

【讨论】：

【解决方案2】：

除np.concatenate 外，所有函数都是用Python 编写的。使用 IPython shell，您只需使用 ??。

如果没有，这里是他们的代码摘要：

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，它们都是通过调整输入数组的维度来工作的，然后在右轴上连接。它们只是便利功能。

还有更新的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，它扩展了所有输入的 dims（有点像np.expand_dims），然后进行连接。用axis=0，效果和np.array一样。

hstack 文档现在添加：

函数concatenate、stack 和 block 提供更通用的堆叠和连接操作。

np.block 也是新的。实际上，它沿嵌套列表递归连接。

【讨论】：

【解决方案3】：

在 IPython 中，您可以通过键入函数名称后跟 ?? 来查看函数的源代码。看看hstack，我们可以看到它实际上只是concatenate 的一个包装器（与vstack 和column_stack 类似）：

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)

所以我想只要使用对你来说最合乎逻辑的名字。

【讨论】：

【解决方案4】：

numpy.vstack：按顺序垂直（按行）堆叠数组。等效于np.concatenate(tup, axis=0) 示例参见：https://docs.scipy.org/doc/numpy/reference/generated/numpy.vstack.html

numpy.hstack：按顺序水平堆叠数组（按列）。等效于np.concatenate(tup, axis=1)，除了沿第一个轴连接的一维数组。例子见： https://docs.scipy.org/doc/numpy/reference/generated/numpy.hstack.html

append是python内置数据结构list的函数。每次将元素添加到列表时。显然，要添加多个元素，您将使用extend。简单地说，numpy 的功能要强大得多。

示例：

假设 gray.shape = (n0,n1)

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

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

np.dstack((gray,gray,gray)) 的形状为 (n0, n1,3)。

【讨论】：