Python numpy vstack与列堆栈

numpy

vstack

和

column\u stack

之间到底有什么区别。在阅读文档时，似乎

column\u stack

是1D阵列的

vstack

实现。这是一个更有效的实现吗？否则，我找不到仅仅使用

vstack

的理由。我认为以下代码很好地说明了这种差异：

>>> np.vstack(([1,2,3],[4,5,6]))
array([[1, 2, 3],
       [4, 5, 6]])
>>> np.column_stack(([1,2,3],[4,5,6]))
array([[1, 4],
       [2, 5],
       [3, 6]])
>>> np.hstack(([1,2,3],[4,5,6]))
array([1, 2, 3, 4, 5, 6])

我也加入了

hstack

进行比较。注意

column\u stack

如何沿第二维度堆叠，而

vstack

如何沿第一维度堆叠。与

column\u stack

等效的是以下

hstack

命令：

>>> np.hstack(([[1],[2],[3]],[[4],[5],[6]]))
array([[1, 4],
       [2, 5],
       [3, 6]])

我希望大家能同意，

column\u stack

更方便。

在注释部分指出：

此函数相当于

np.vstack（tup）.T

numpy

中有许多函数是其他函数的方便包装。例如，的注释部分说：

相当于

np。如果tup包含至少二维的数组，则连接（tup，axis=0）

---

看起来

column\u stack

只是

vstack

hstack

水平堆叠，

vstack

垂直堆叠的一个方便功能：

hstack

的问题是，在追加列时，需要先将其从1d数组转换为2d列，因为在numpy中，1d数组通常被解释为2d上下文中的向量行：

a = np.ones(2)          # 2d, shape = (2, 2)
b = np.array([0, 0])    # 1d, shape = (2,)

hstack((a, b)) -> dimensions mismatch error

所以要么

hstack（（a，b[：，None]）

要么

column\u stack（（a，b））

：

其中

None

用作

np.newaxis

的快捷方式

如果要叠加两个向量，则有三个选项：

至于（未记录的）

row\u堆栈

，它只是

vstack

的同义词，因为1d数组可以用作矩阵行而无需额外工作

---

事实证明，3D及以上版本的例子太大，无法给出答案，因此我将其包含在名为的文章中。

这是hstack的一个方便函数，而不是vstack。@AntonyHatchkins啊，我明白了。Numpy在7年内改变了他们的文档，因为我发布了这个答案，说

column\u stack

更像

hstack

，而不是

vstack

。有趣。好吧，你总是可以编辑这个答案来改进它，但我猜根据否决票，你认为应该删除它吗？问题是：vstack和column_stack之间有什么区别。正确的答案是“不同之处在于它们沿着不同的轴堆叠”。经批准的答案没有明确说明（这给了一些改进的空间），但提供了足够好的示例。您的答案是一个函数是另一个函数的包装器，事实并非如此。文档已经更改，但行为没有更改（特别是，您的两个引用都是正确的）。我认为这个答案应该改进。或者被删除。@AntonyHatchkins听起来你应该发布一个新的答案，因为现有的答案都不令人满意。我在medium上写了一篇关于这个（以及numpy）的大文章，我想你可能想看看：