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

Question 1

一个简单的问题：每种方法的优点是什么？似乎给定正确的参数（和ndarray形状），它们似乎都等效地工作。做一些工作吗？有更好的表现？什么时候应该使用哪些功能？

Question 2

除了以外，所有功能都是用Python编写的np.concatenate。使用IPython shell，您只需使用??。

如果不是，则为以下代码摘要：

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，它们都通过调整输入数组的尺寸，然后在右轴上串联来起作用。它们只是便利功能。

和更新的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，它会扩展所有输入的暗淡效果（有点像np.expand_dims），然后进行串联。使用axis=0，效果与相同np.array。

hstack 文档现在添加：

函数concatenate，stack并 block提供更多常规的堆叠和串联操作。

np.block也是新的。实际上，它沿嵌套列表递归连接。

Question 3

numpy.vstack：按垂直顺序（行方向）堆叠数组，等效np.concatenate(tup, axis=0) 示例请参见：https：//docs.scipy.org/doc/numpy/reference/generated/numpy.vstack.html

numpy.hstack：按水平顺序（按列排列）按顺序堆叠数组，等效于np.concatenate(tup, axis=1)，沿一轴连接的一维数组除外。示例请参见：https : //docs.scipy.org/doc/numpy/reference/generated/numpy.hstack.html

append是python内置数据结构的函数list。每次将元素添加到列表中。显然，要添加多个元素，您将使用extend。简而言之，numpy的功能更加强大。

例：

假设gray.shape =（n0，n1）

np.vstack((gray,gray,gray)) 将具有形状（n0 * 3，n1），也可以通过 np.concatenate((gray,gray,gray),axis=0)

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

np.dstack((gray,gray,gray)) 将具有形状（n0，n1,3）。

Question 4

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??。看一下，hstack我们可以看到它实际上只是一个包装器concatenate（与vstack和相似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)

因此，我想只要使用对您来说名称最合乎逻辑的名称即可。