numpy.row_stack #

麻木的。row_stack ( tup , * , dtype = None , casting = 'same_kind' ) [来源] #

垂直（按行）顺序堆叠数组。

这相当于将形状(N,)的一维数组重塑为(1,N)后沿第一个轴串联。重建除以的数组 vsplit。

此函数对于最多 3 维的数组最有意义。例如，对于具有高度（第一轴）、宽度（第二轴）和 r/g/b 通道（第三轴）的像素数据。函数concatenate,stack并 block提供更通用的堆栈和串联操作。

np.row_stack是的别名vstack。它们是相同的功能。

参数：

ndarray 的tup序列: 除第一个轴外，阵列沿所有轴都必须具有相同的形状。一维数组必须具有相同的长度。
dtype str 或 dtype: 如果提供，目标数组将具有此数据类型。不能与out一起提供。
..版本添加:: 1.24
强制转换{'no', 'equiv', 'safe', 'same_kind', 'unsafe'}，可选: 控制可能发生的数据转换类型。默认为“same_kind”。
..版本添加:: 1.24

返回：

堆叠数组: 通过堆叠给定数组形成的数组至少是二维的。

也可以看看

concatenate: 沿现有轴连接一系列数组。
stack: 沿新轴连接一系列数组。
block: 从嵌套的块列表组装一个 nd 数组。
hstack: 按水平顺序堆叠数组（按列）。
dstack: 按深度顺序（沿第三轴）堆叠数组。
column_stack: 将一维数组作为列堆叠到二维数组中。
vsplit: 将数组垂直（按行）拆分为多个子数组。

例子

>>> a = np.array([1, 2, 3])
>>> b = np.array([4, 5, 6])
>>> np.vstack((a,b))
array([[1, 2, 3],
       [4, 5, 6]])

>>> a = np.array([[1], [2], [3]])
>>> b = np.array([[4], [5], [6]])
>>> np.vstack((a,b))
array([[1],
       [2],
       [3],
       [4],
       [5],
       [6]])