numpy.hstack – 配列を水平に連結

numpy.hstackは、配列を水平に重ねていく関数です。「h」は「horizontal(水平の)」の頭文字です。「stack」は「重ねる」なので「水平に重ねる」ということです。

それでは、実際のコードを見て確認していきましょう。

目次

1. numpy.hstack関数の使い方

まず、numpy.hstackの基本的な書き方を確認しましょう。

numpy.hstack

書き方:

np.hstack(tup)

パラメーター:

引数   解説
tup  sequence of ndarrays ここで指定した配列同士を横に重ねます。2つ目の軸(axis=1)を除いて配列同士のshapeが合致している必要があります。ただし一次元配列同士の場合は揃っていなくても大丈夫です。

戻り値: 

要素を重ねた新しいndarray

一緒に確認したい関数:

  • stack:  配列同士を新しい軸にそって重ねる。
  • vstack: 配列同士を垂直に重ねる。
  • dstack: 配列同士を奥行きで重ねる。
  • concatenate: 配列同士を既に存在する軸にそって連結する。
  • split: 二つ目の軸にそって配列を分割する。
  • block: 

numpy.hstackで1次元配列同士を重ねると1次元配列のまま列数が増えます。例えば、shape(N,)とshape(M,)の1次元配列を重ねると、shape(M+N,)の1次元配列になります。

2次元配列以上の場合は、numpy.concatenateで「axis=1」で連結していくのと同じことになります。

2次元配列では「axis=1」は列です。そのため、shape(a, N)とshape(a, M)の2次元配列を重ねると、shape(a, M+N)の2次元配列になります。

3次元配列同士の場合は、「axis=1」は行です。そのため行数を重ねていきます。例えば、shape(a, N, b)とshape(a, M, b)の配列を重ねると、shape(a, M+N, b)の3次元配列になります。

numpy.hstackは3次元までの配列を扱うのに適しています。例えば、「高さ・幅・r/g/b」の3つの軸をもつピクセルデータのようなデータを扱うときによく使われます。

それでは、使い方を確認していきましょう。

1.1. 1次元配列同士の場合は列を重ねる

まずは1次元配列同士の場合から見ていきましょう。

shape(N,)とshape(M,)の1次元配列を重ねると、shape(N+M,)の1次元配列になります。

以下のコードをご確認ください。shape(3,)とshape(3,)の1次元配列を重ねているので、shape(6,)の1次元配列が生成されています。

なお、コード内で使用しているnp.arange()は『numpy.arange – 色々な連番の配列を生成する方法』で解説しています。

In [1]:
import numpy as np
'''  1次元配列の列を重ねる。  '''
#  元の配列①を生成
arr1 = np.arange(3)
#  元の配列②を生成
arr2 = np.arange(3, 6)
#  ①と②を重ねた新しい配列を生成
arr3 = np.hstack((arr1, arr2))

print('arr1: 元の配列①\n', arr1, '\n')
print('arr2: 元の配列②\n', arr2, '\n')
print('arr3: 新しい配列\n', arr3, '\n')
print('arr3のshape\n', arr3.shape, '\n')
print('arr3の次元数\n', arr3.ndim)
arr1: 元の配列①
 [0 1 2] 

arr2: 元の配列②
 [3 4 5] 

arr3: 新しい配列
 [0 1 2 3 4 5] 

arr3のshape
 (6,) 

arr3の次元数
 1

3つ以上の配列を重ねることもできます。以下のコードでは、shape(3,)の1次元配列を3つ重ねているので、shape(9,)の1次元配列が生成されています。

なお、重ねる配列の数に上限はありません。

In [2]:
'''  3つ以上の配列を重ねることもできます。  '''
#  元の配列③を生成
arr4 = np.arange(6, 9)
#  ①と②と③を重ねた新しい配列を生成
arr5 = np.hstack((arr1, arr2, arr4))

print('arr5\n', arr5, '\n')
print('arr5のshape\n', arr5.shape, '\n')
print('arr5の次元数\n', arr5.ndim)
arr5
 [0 1 2 3 4 5 6 7 8] 

arr5のshape
 (9,) 

arr5の次元数
 1

1次元配列同士の場合は、列数が異なる場合でも関係なく重ねることができます。以下のコードでは、shape(3,)とshape(4,)の1次元配列を重ねて、shape(7,)の1次元配列を生成しています。

In [3]:
'''  列数が異なる1次元配列同士も重ねることが可能です。  '''
#  4列(要素数4)の1次元配列④を生成
arr6 = np.arange(4)
print('arr1: 元の配列①\n', arr1, '\n')
print('arr6: 元の配列④\n', arr6, '\n')
print('新しい配列\n', np.hstack((arr1, arr6)))
arr1: 元の配列①
 [0 1 2] 

arr6: 元の配列④
 [0 1 2 3] 

新しい配列
 [0 1 2 0 1 2 3]

1次元配列同士を重ねる場合はエラーの心配はありません。

1.2. 2次元配列同士の場合は列を重ねる

次に2次元配列同士の場合を見てみましょう。

2次元配列の「axis=1」は列です。そのため、shape(a, N)とshape(a, M)の2次元配列を重ねると、shape(a, M+N)と列が重ねられた2次元配列になります。行数は変わりません。

以下のコードでは、shape(2, 3)の2次元配列を2つ重ねているので、shape(2, 6)の2次元配列が生成されています。

なお、コード内で使用しているnp.reshapeは『numpy.reshape – 配列の形状を変換』で解説しています。

In [4]:
'''  2次元配列では同じ行にある要素を列で重ねます。  '''
#  元の2次元配列①を生成
arr7 = np.arange(6).reshape(2, 3)
#  元の2次元配列②を生成
arr8 = np.arange(6, 12).reshape(2, 3)
#  ①と②を重ねた新しい配列を生成
arr9 = np.hstack((arr7, arr8))

print('arr7: 元の2次元配列①\n', arr7, '\n')
print('arr8: 元の2次元配列②\n', arr8, '\n')
print('arr9: 新しい配列\n', arr9, '\n')
print('arr9のshape\n', arr9.shape, '\n')
print('arr9の次元数\n', arr9.ndim)
arr7: 元の2次元配列①
 [[0 1 2]
 [3 4 5]] 

arr8: 元の2次元配列②
 [[ 6  7  8]
 [ 9 10 11]] 

arr9: 新しい配列
 [[ 0  1  2  6  7  8]
 [ 3  4  5  9 10 11]] 

arr9のshape
 (2, 6) 

arr9の次元数
 2

2次元配列の場合は、列数が異なっても、行数さえ同じであれば、重ねることが可能です。

以下のコードでは、shape(2, 3)とshape(2, 4)の、列数が異なる配列を重ねて、shape(2, 7)の2次元配列が生成されています。

In [5]:
'''  2次元配列の場合は行数が合っていれば、列数が違ってもOK  '''
#  2次元配列③を生成
arr10 = np.arange(6, 14).reshape(2, 4)
#  2次元配列①と③を重ねる
arr11 = np.hstack((arr7, arr10))

print('arr7: 元の2次元配列①\n', arr7, '\n')
print('arr10: 元の2次元配列③\n', arr10, '\n')
print('arr11: 新しい配列\n', arr11)
arr7: 元の2次元配列①
 [[0 1 2]
 [3 4 5]] 

arr10: 元の2次元配列③
 [[ 6  7  8  9]
 [10 11 12 13]] 

arr11: 新しい配列
 [[ 0  1  2  6  7  8  9]
 [ 3  4  5 10 11 12 13]]

ただし、行数が異なっていればエラーになります。

以下のコードでは、shape(2, 3)と、shape(3, 3)の2次元配列を重ねようとしていますが、行数が異なるのでエラーになっています。

In [6]:
'''  行数が異なる2次元配列同士ではエラー  '''
#  2次元配列④を生成
arr12 = np.arange(6, 15).reshape(3, 3)

print('arr7: 元の2次元配列①\n', arr7, '\n')
print('arr12: 元の2次元配列④\n', arr12, '\n')

#  2次元配列①と④は列数が異なるので重ねるとエラー
np.hstack((arr7, arr12))
arr7: 元の2次元配列①
 [[0 1 2]
 [3 4 5]] 

arr12: 元の2次元配列④
 [[ 6  7  8]
 [ 9 10 11]
 [12 13 14]] 

ValueError: all the input array dimensions except for the concatenation axis must match exactly

1.3. 3次元配列同士の場合は行を重ねる

続いて、3次元配列同士の場合です。

3次元配列同士の場合は、「axis=1」は行ですので、行数を重ねていきます。例えば、shape(a, N, b)とshape(a, M, b)の配列を重ねると、shape(a, N+M, b)の3次元配列になります。

以下のコードでは、shape(3, 2, 3)の3次元配列同士を重ねているので、shape(3, 4, 3)の3次元配列が生成されています。

In [7]:
'''  3次元配列以上では同じ奥行き同士で行を重ねる。 '''
#  3次元配列①を生成
arr13 = np.arange(12).reshape(2, 2, 3)
#  3次元配列②を生成
arr14 = np.arange(12, 24).reshape(2, 2, 3)
#  ①と②の行を重ねる
arr15 = np.hstack((arr13, arr14))

print('arr13: 元の3次元配列①\n', arr13, '\n')
print('arr14: 元の3次元配列②\n', arr14, '\n')
print('arr15: 新しい配列\n', arr15, '\n')
print('arr15のshape\n', arr15.shape, '\n')
print('arr15の次元数\n', arr15.ndim)
arr13: 元の3次元配列①
 [[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]] 

arr14: 元の3次元配列②
 [[[12 13 14]
  [15 16 17]]

 [[18 19 20]
  [21 22 23]]] 

arr15: 新しい配列
 [[[ 0  1  2]
  [ 3  4  5]
  [12 13 14]
  [15 16 17]]

 [[ 6  7  8]
  [ 9 10 11]
  [18 19 20]
  [21 22 23]]] 

arr15のshape
 (2, 4, 3) 

arr15の次元数
 3

3次元配列の場合は、行として重ねられていくので、奥行き数と列数が揃っていれば連結可能です。

以下のコードでは、shape(2, 2, 3)とshape(2, 1, 3)の配列を重ねているので、shape(2, 3, 3)の3次元配列が生成されています。

In [8]:
'''  3次元配列の場合は、奥行き数と列数が揃っていればOK。  '''
#  3次元配列③を生成
arr16 = np.arange(12, 18).reshape(2, 1, 3)
#  3次元配列①と③を重ねる
arr17 = np.hstack((arr13, arr16))

print('arr13: 元の3次元配列①\n', arr13, '\n')
print('arr16: 元の3次元配列②\n', arr16, '\n')
print('arr17: 新しい配列\n', arr17, '\n')
print('arr17のshape\n', arr17.shape, '\n')
print('arr17の次元数\n', arr17.ndim)
arr13: 元の3次元配列①
 [[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]] 

arr16: 元の3次元配列②
 [[[12 13 14]]

 [[15 16 17]]] 

arr17: 新しい配列
 [[[ 0  1  2]
  [ 3  4  5]
  [12 13 14]]

 [[ 6  7  8]
  [ 9 10 11]
  [15 16 17]]] 

arr17のshape
 (2, 3, 3) 

arr17の次元数
 3

しかし、奥行きと列数のどちらか一方でも揃っていない場合はエラーになります。

以下のコードでは、shape(2, 2, 3)とshape(2, 1, 4)の配列を重ねようとしていますが、行数および列数が異なるのでエラーになっています。

In [9]:
'''  奥行きや列数が揃っていなければエラーになります。  '''
#  3次元配列④を生成
arr18 = np.arange(12, 20).reshape(2, 1, 4)
print('arr13: 元の3次元配列①\n', arr13, '\n')
print('arr18: 元の3次元配列④\n', arr18, '\n')

#  配列①と④は行数や列数が揃っていないのでエラー
np.hstack((arr13, arr18))
arr13: 元の3次元配列①
 [[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]] 

arr18: 元の3次元配列④
 [[[12 13 14 15]]

 [[16 17 18 19]]] 

ValueError: all the input array dimensions except for the concatenation axis must match exactly

2. まとめ

以上が、numpy.hstackの使い方です。同じような関数として以下も確認しておくと良いでしょう。

  • stack: 配列を連結して次元数が1つ上の配列を生成
  • vstack: 配列を垂直に連結
  • dstack: 配列を奥行き方向に連結



よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

この記事を書いた人

コメント

コメントする

このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください

目次
閉じる