在使用 NumPy 進(jìn)行數(shù)據(jù)處理時(shí)，我們經(jīng)常會遇到把多個(gè)數(shù)組按照列（column）組合成一個(gè)矩陣的需求。最常見的場景包括：

• 將多個(gè)特征列合并成一個(gè)訓(xùn)練數(shù)據(jù)矩陣
• 合并 GT 與預(yù)測結(jié)果
• 將多個(gè) 1D 數(shù)組拼成 2D 數(shù)組

很多人第一時(shí)間會想到 np.hstack，但其實(shí) np.column_stack 才是真正為“列拼接”設(shè)計(jì)的函數(shù)，尤其對 1D 數(shù)組的處理更加符合直覺。

本文將從原理、差異、示例到圖解，全面講解 np.column_stack 的使用。

1.np.column_stack是什么？

np.column_stack 的作用是：
將多個(gè)數(shù)組以“列”的方式拼接成一個(gè)新的二維數(shù)組。
如果輸入數(shù)組是 1D，會先轉(zhuǎn)換為列向量再拼接。
函數(shù)簽名非常簡單：

numpy.column_stack(tup)

• tup：一個(gè)序列（列表、元組均可），其中的每個(gè)元素是數(shù)組或可轉(zhuǎn)為數(shù)組的對象。
• 返回：一個(gè)二維數(shù)組。

2. 為什么要用 column_stack？

很多初學(xué)者會把 column_stack 和 hstack 混用，但它們的行為有顯著不同：

簡而言之：

?? 如果你把 1D 數(shù)組當(dāng)成“數(shù)據(jù)列（column）”，應(yīng)該用 column_stack。

3. 示例：從最基礎(chǔ)到更實(shí)用

3.1 堆疊兩個(gè) 1D 數(shù)組

import numpy as np

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

result = np.column_stack((a, b))
print(result)

輸出：

[[1 4]
 [2 5]
 [3 6]]

解釋：

• a 和 b 是 (3,) 的 1D 數(shù)組
• column_stack 會自動變成 (3,1) 列向量
• 按列合并得到 (3,2) 矩陣

這恰好符合我們對“合并兩個(gè)特征列”的直覺。

3.2 堆疊兩個(gè) 2D 數(shù)組

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

result = np.column_stack((a, b))
print(result)

輸出：

[[1 2 5 6]
 [3 4 7 8]]

二維數(shù)組時(shí)，column_stack 和 hstack 表現(xiàn)相同——橫向拼接。

3.3 混合 1D 和 2D 數(shù)組

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

result = np.column_stack((a, b))
print(result)

輸出：

[[1 4]
 [2 5]
 [3 6]]

1D 會自動轉(zhuǎn)換為列向量，非常方便。

4.column_stack的可視化理解

下面是一個(gè)更直觀的圖示，有助于你徹底理解 column_stack 的工作原理：

1D → 列向量 → 按列組合

圖中左側(cè)是兩個(gè) 1D 數(shù)組，它們被轉(zhuǎn)換成兩列，再拼成一個(gè) 2D 數(shù)組。

這個(gè)可視化呈現(xiàn)出了 column_stack 的核心：
?? 把每個(gè)輸入都當(dāng)成“一列”，然后拼接。

5. column_stack 的典型使用場景

5.1 拼接多個(gè)特征列（ML/數(shù)據(jù)分析常用）

age = np.array([18, 25, 32])
height = np.array([170, 180, 165])

X = np.column_stack((age, height))

即：

[[ 18 170]
 [ 25 180]
 [ 32 165]]

這就是典型的 特征矩陣 X。

5.2 合并 ground truth + 預(yù)測結(jié)果

gt = np.array([1, 0, 1])
pred = np.array([1, 1, 0])

np.column_stack((gt, pred))

5.3 將多個(gè)獨(dú)立數(shù)組快速構(gòu)建成一張表

name = ["a", "b", "c"]
score = [90, 80, 95]

table = np.column_stack((name, score))

6. 與其他堆疊函數(shù)的對比總結(jié)

建議記憶：

column_stack = feature_columns 的組合工具

對于機(jī)器學(xué)習(xí)、圖像關(guān)鍵點(diǎn)、GT+pred 數(shù)據(jù)結(jié)構(gòu)來說特別適用。

到此這篇關(guān)于深入理解NumPy 的 np.column_stack的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)NumPy np.column_stack內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論