什麼時候應該使用hstack/vstack vs append vs concatenate vs column_stack

Question

簡單的問題：每種方法的優點是什麼。看起來，如果給出正確的參數（和ndarray形狀），它們看起來都是等效的。做一些適當的工作？有更好的表現嗎？我應該使用哪些函數？

Answer 1

你有權限訪問這些函數的代碼嗎？除np.concatenate以外，所有內容均以Python編寫。使用IPython shell，您只需使用??。

如果不是，這裏是他們的代碼摘要：

vstack 
concatenate([atleast_2d(_m) for _m in tup], 0) 
i.e. turn all imputs 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) 

換句話說，他們都通過調整輸入數組的大小，然後連接上右軸工作。它們只是便利功能。

Answer 2

在IPython中，您可以通過輸入其名稱後跟??來查看函數的源代碼。在hstack縱觀我們可以看到，它實際上只是圍繞concatenate的包裝（類似與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) 

所以我想只使用哪一個具有最合乎邏輯美其名曰給你。

Answer 3

numpy.vstack：在序列堆疊陣列垂直（行明智）.Equivalent到np.concatenate(tup, axis=0)例如參見：https://docs.scipy.org/doc/numpy/reference/generated/numpy.vstack.html

numpy.hstack：在序列堆棧陣列水平地（逐列）.Equivalent到np.concatenate(tup, axis=1) 。例子見： https://docs.scipy.org/doc/numpy/reference/generated/numpy.hstack.html

append是python的內置數據結構list的一個函數。每次將元素添加到列表中。顯然，要添加多個元素，您將使用extend。簡而言之，numpy的功能要強大得多。

例如：

假設gray.shape =（N0，N1）

np.vstack((gray,gray,gray))將有形狀（N0 * 3，N1），你也可以通過np.concantenate((gray,gray,gray),axis=0)

np.hstack((gray,gray,gray))這樣做將有形狀（n0，n1 * 3），你也可以通過np.concantenate((gray,gray,gray),axis=1)

np.dstack((gray,gray,gray))將形狀（n0，n1,3）。