numpy.block¶

numpy.block(arrays)[源代码]¶

从嵌套的块列表中组装nd数组。

最里面的列表中的块被连接起来（请参见 concatenate ）沿着最后一个维度（-1），然后沿着第二个最后一个维度（-2）连接这些维度，依此类推，直到到达最外面的列表。

块可以是任何维度，但不会使用常规规则广播。相反，插入大小为1的前导轴，使 block.ndim 所有街区都一样。这对于使用scalar非常有用，这意味着 np.block([v, 1]) 是有效的，在哪里 v.ndim == 1 .

当嵌套列表深度为两个级别时，这允许从其组件构造块矩阵。

1.13.0 新版功能.

参数

arrays类似数组或标量（但不是元组）的嵌套列表

如果传递单个ndarray或scalar（深度为0的嵌套列表），则返回未修改的（而不是复制的）。

元素形状必须沿着适当的轴匹配（不进行广播），但在必要时，前导1将被预先设置为形状以使尺寸匹配。

返回

block_array恩达雷

由给定块组装而成的数组。

输出的维数等于以下最大值： 所有输入的维数 输入列表嵌套的深度

加薪

ValueError

如果列表深度不匹配-例如， [[a, b], c] 是非法的，应该拼写为 [[a, b], [c]]
如果列表为空-例如， [[a, b], []]

参见

concatenate: 沿现有轴联接一系列数组。
stack: 沿新轴连接一系列数组。
vstack: 按顺序垂直堆叠数组（按行）。
hstack: 按水平顺序（按列）堆叠数组。
dstack: 按顺序深度（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: 将一个数组垂直（按行）拆分为多个子数组。

笔记

当只使用scalars调用时， np.block 相当于一个ndarray调用。所以 np.block([[1, 2], [3, 4]]) 等于 np.array([[1, 2], [3, 4]]) .

此函数不强制块位于固定网格上。 np.block([[a, b], [c, d]]) 不限于以下形式的数组：

AAAbb
AAAbb
cccDD

但也允许生产 a, b, c, d ：：

AAAbb
AAAbb
cDDDD

因为连接首先发生在最后一个轴上， block 是 _not_ 能够直接生成以下内容：

AAAbb
cccbb
cccDD

matlab的“方括号叠加”， [A, B, ...; p, q, ...] ，等于 np.block([[A, B, ...], [p, q, ...]]) .

实例

这个函数最常用的用途是建立一个块矩阵

>>> A = np.eye(2) * 2
>>> B = np.eye(3) * 3
>>> np.block([
...     [A,               np.zeros((2, 3))],
...     [np.ones((3, 2)), B               ]
... ])
array([[2., 0., 0., 0., 0.],
       [0., 2., 0., 0., 0.],
       [1., 1., 3., 0., 0.],
       [1., 1., 0., 3., 0.],
       [1., 1., 0., 0., 3.]])

深度为1的列表， block 可用作 hstack

>>> np.block([1, 2, 3])              # hstack([1, 2, 3])
array([1, 2, 3])

>>> a = np.array([1, 2, 3])
>>> b = np.array([4, 5, 6])
>>> np.block([a, b, 10])             # hstack([a, b, 10])
array([ 1,  2,  3,  4,  5,  6, 10])

>>> A = np.ones((2, 2), int)
>>> B = 2 * A
>>> np.block([A, B])                 # hstack([A, B])
array([[1, 1, 2, 2],
       [1, 1, 2, 2]])

深度列表为2， block 可代替 vstack ：

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

>>> A = np.ones((2, 2), int)
>>> B = 2 * A
>>> np.block([[A], [B]])             # vstack([A, B])
array([[1, 1],
       [1, 1],
       [2, 2],
       [2, 2]])

它也可以用于 atleast_1d 和 atleast_2d

>>> a = np.array(0)
>>> b = np.array([1])
>>> np.block([a])                    # atleast_1d(a)
array([0])
>>> np.block([b])                    # atleast_1d(b)
array([1])

>>> np.block([[a]])                  # atleast_2d(a)
array([[0]])
>>> np.block([[b]])                  # atleast_2d(b)
array([[1]])

numpy.stack numpy.vstack