numpy.hstack VS numpy.vstack VS numpy.dstack 的应用比较，超清晰～

闲话少说，直接上重点；
hstack，vstack 和dstack是numpy的常见的三个numpy.array 的拼接方式；不同点是，hstack是从水平（horizon）维度进行拼接，相当于numpy.concatenate(, axis = 1); vstack是从垂直（vertical）维度进行拼接，相当于numpy.concatenate(, axis = 0);dstack是从第三个维度，深度（deep）维度进行拼接，相当于numpy.concatenate(, axis = 2)；另外，需注意【易错点】，放入方法中的np.array数组需以 sequence，即tuple形式输入！

最后，额外需注意 dstack方法，在对于输入为一维的数组，即 N * 1 的数据先调整为 1 * N * 1的格式，再进行dstack操作，即在第三个维度上扩容；在对于输入为二维的数组，即 M * N 的数据先调整为 M * N * 1 的格式，再进行dstack操作。

• 代码实现
• 总结

首先利用 pip install numpy 在终端导入numpy库，然后进行如下实验操作；

一. 首先对一维数组进行hstack, vstack, dstack 的操作

1. 先设置 a，b两个一维的np.array 格式的数据：

import numpy as np
a = np.array([1,2,3])
b = np.array([2,3,4])

2. 分别使用np.hstack，np.vstack 和 np.dstack 对 (a,b) 进行操作，比较结果异同：

c1 = np.hstack((a,b))
c2 = np.vstack((a,b))
c3 = np.dstack((a,b))

print(c1)
print(c2)
print(c3)

3. 打印结果如下；

[1 2 3 2 3 4]
[[1 2 3]
 [2 3 4]]
[[[1 2]
  [2 3]
  [3 4]]]

二. 然后对二维数组进行hstack, vstack, dstack 的操作

1. 设置 a1，b1两个二维的np.array 格式的数据：

import numpy as np
a1 = np.array([[1], [2], [3]])
b1 = np.array([[2], [3], [4]])

2. 分别使用np.hstack，np.vstack 和 np.dstack 对 (a,b) 进行操作，比较结果异同：

d1 = np.hstack((a1, b1))
d2 = np.vstack((a1, b1))
d3 = np.dstack((a1, b1))

print(d1)
print(d2)
print(d3)

3. 打印结果如下；

[1 2]
 [2 3]
 [3 4]]
[[1]
 [2]
 [3]
 [2]
 [3]
 [4]]
[[[1 2]]

 [[2 3]]

 [[3 4]]]

希望对你对numpy库相关方法的理解有所帮助，请点赞鼓励！