1.stack()函數(shù)

函數(shù)原型為：stack(arrays,axis=0)，arrays可以傳數(shù)組和列表。axis的含義我下面會(huì)講解，我們先來(lái)看個(gè)例子，然后我會(huì)分析輸出結(jié)果。

import numpy as np
a=[[1,2,3],
 [4,5,6]]
print("列表a如下：")
print(a)

print("增加一維，新維度的下標(biāo)為0")
c=np.stack(a,axis=0)
print(c)

print("增加一維，新維度的下標(biāo)為1")
c=np.stack(a,axis=1)
print(c)

輸出：
列表a如下：
[[1, 2, 3], [4, 5, 6]]
增加一維，新維度下標(biāo)為0
[[1 2 3]
 [4 5 6]]
增加一維，新維度下標(biāo)為1
[[1 4]
 [2 5]
 [3 6]]

首先這里arrays我傳的是一個(gè)列表，現(xiàn)在我開(kāi)始講解這個(gè)stack()函數(shù)的意思，它就是對(duì)arrays里面的每個(gè)元素(可能是個(gè)列表，元組，或者是個(gè)numpy的數(shù)組)變成numpy的數(shù)組后，再對(duì)每個(gè)元素增加一維(至于維度加在哪里，是靠axis控制的)，然后再把這些元素串起來(lái)(至于怎么串，我下面會(huì)說(shuō))。

arrays里面的每個(gè)元素必須形狀是一樣的，例如本例中列表a中的兩個(gè)元素[1,2,3]和[4,5,6]的形狀是一樣的，如果把[4,5,6]換成[4,5] ，那么程序會(huì)報(bào)錯(cuò)！而axis代表的是在哪個(gè)維度上加一維，例如axis=0(它是默認(rèn)的)代表的就是增加的這一維的下標(biāo)為0，axis等于多少不是隨便亂寫(xiě)的，如果參數(shù)arrays里面的每個(gè)元素是個(gè)1維的，那么調(diào)用stack()函數(shù)增加一維后會(huì)變成2維的，所以axis只能等于0和1（維度的下標(biāo)是從0開(kāi)始的），而參數(shù)axis=0和axis=1得到的結(jié)果是不一樣的。

例如上面的代碼中a列表中的第一個(gè)元素為[1,2,3]，那么當(dāng)axis=0的時(shí)候，就是在它的中括號(hào)外面再加一個(gè)中括號(hào)，變成[ [1,2,3] ]（其實(shí)1，2，3之間是沒(méi)有逗號(hào)的，因?yàn)閟tack()函數(shù)會(huì)先把參數(shù)arrays中的每個(gè)元素變成numpy的數(shù)組，數(shù)組之間是沒(méi)有逗號(hào)的，看看上面的代碼輸出就知道了，這里大家明白就行，我為了方便講解，下面還會(huì)加上逗號(hào)），這樣最外面那層中括號(hào)才代表維度下標(biāo)為0的那維；當(dāng)axis=1的時(shí)候，就是在里面加個(gè)中括號(hào)，變成了[ [1]，[2]，[3] ],這樣里面加的那層中括號(hào)才代表維度下標(biāo)為1的那維。同理當(dāng)axis=0的時(shí)候[4,5,6]變成[ [ 4，5，6] ]，當(dāng)axis=1的時(shí)候，變成[ [4]，[5]，[6] ]。下面我們講如何把增加一維度后的每個(gè)元素串起來(lái)。

怎么把上面那兩個(gè)元素增加維度后的結(jié)果串起來(lái)呢，其實(shí)很簡(jiǎn)單?，F(xiàn)在我們已經(jīng)知道了增加維度無(wú)非是增加中括號(hào)的意思，至于在哪里加中括號(hào)，取決于axis等于幾。我們把增加的中括號(hào)想像成一個(gè)個(gè)的箱子。還拿上面的代碼來(lái)說(shuō)，當(dāng)axis=0的時(shí)候，我們把套在[1,2,3]外面的中括號(hào)(就是[ [1,2,3] ]最外層的那個(gè)中括號(hào))看做是箱子A，這個(gè)箱子A也會(huì)套在[4,5,6]的外面，所以我們就先把[1,2,3]和[4,5,6]放在一起，變成[1,2,3],[4,5,6]，然后再一起套上箱子A，變成[ [1,2,3],[4,5,6] ]這就是當(dāng)axis=0的時(shí)候程序的輸出結(jié)果。

現(xiàn)在再來(lái)看當(dāng)axis=1的時(shí)候，對(duì)于[1，2，3]，我們把套在1外面的箱子(就是上面講的[ [1]，[2]，[3] ]中1外面的那層中括號(hào))看做A，套在2外面的看做B，套在3外面的看做C，同理，箱子A也會(huì)套在4的外面，箱子B也會(huì)套在5的外面，箱子C也會(huì)套在6的外面。那么我們就把1和4放一起，2和5放一起，3和6放一起，變成[ 1,4 ，2,5 ，3,6 ]然后把箱子A,B,C分別套在1,4 ， 2,5 ， 3,6的外面，變成[ [1,4] , [2,5] , [3,6] ]這就是程序中axis=1的時(shí)候程序的輸出結(jié)果。

大家發(fā)現(xiàn)了沒(méi)有，串起來(lái)的時(shí)候其實(shí)就是把a(bǔ)rrays中每個(gè)元素在相同的位置套箱子的一些小塊(這里叫小塊這個(gè)名詞可能不洽當(dāng)，但是大家明白就行)放在一起后，再套箱子，就是外面套個(gè)中括號(hào)，這就是堆疊。

再看下面的代碼的輸出，測(cè)試下你理解的沒(méi)有。

import numpy as np
a=[[1,2,3,4],
 [5,6,7,8],
 [9,10,11,12]]
print("列表a如下：")
print(a)

print("增加一維，新維度的下標(biāo)為0")
c=np.stack(a,axis=0)
print(c)

print("增加一維，新維度的下標(biāo)為1")
c=np.stack(a,axis=1)
print(c)

輸出：
列表a如下：
[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]
增加一維，新維度的下標(biāo)為0
[[ 1 2 3 4]
 [ 5 6 7 8]
 [ 9 10 11 12]]
增加一維，新維度的下標(biāo)為1
[[ 1 5 9]
 [ 2 6 10]
 [ 3 7 11]
 [ 4 8 12]]

不知道和你想象的輸出一樣不一樣，還有另一種情況，先看下面的代碼。

import numpy as np
a=[1,2,3,4]
b=[5,6,7,8]
c=[9,10,11,12]
print("a=",a)
print("b=",b)
print("c=",c)

print("增加一維，新維度的下標(biāo)為0")
d=np.stack((a,b,c),axis=0)
print(d)

print("增加一維，新維度的下標(biāo)為1")
d=np.stack((a,b,c),axis=1)
print(d)

輸出：
('a=', [1, 2, 3, 4])
('b=', [5, 6, 7, 8])
('c=', [9, 10, 11, 12])
增加一維，新維度的下標(biāo)為0
[[ 1 2 3 4]
 [ 5 6 7 8]
 [ 9 10 11 12]]
增加一維，新維度的下標(biāo)為1
[[ 1 5 9]
 [ 2 6 10]
 [ 3 7 11]
 [ 4 8 12]]

你會(huì)發(fā)現(xiàn)輸出結(jié)果和上面的代碼一樣，其實(shí)它倆就是一樣的。只不過(guò)當(dāng)你對(duì)arrays傳參的時(shí)候，如果你傳的參數(shù)是類(lèi)似于(a,b,c)這種，它會(huì)把(a,b,c)當(dāng)做一個(gè)元組來(lái)看，a,b,c都是元組的每個(gè)元素。然后分別對(duì)每個(gè)元素處理，上面我已經(jīng)說(shuō)了，arrays傳的參數(shù)可以是列表，元組，或者numpy數(shù)組。所以傳(a,b,c)和傳[a,b,c]或者當(dāng)x=[a,b,c]的時(shí)候傳x，效果都是一樣的。

上面的代碼處理的arrays元素都是一維變二維的情況，下面我們看看二維變?nèi)S是什么樣的。

import numpy as np
a=[[1,2,3],
 [4,5,6]]
b=[[1,2,3],
 [4,5,6]]
c=[[1,2,3],
 [4,5,6]]
print("a=",a)
print("b=",b)
print("c=",c)

print("增加一維，新維度的下標(biāo)為0")
d=np.stack((a,b,c),axis=0)
print(d)

print("增加一維，新維度的下標(biāo)為1")
d=np.stack((a,b,c),axis=1)
print(d)
print("增加一維，新維度的下標(biāo)為2")
d=np.stack((a,b,c),axis=2)
print(d)

輸出：
('a=', [[1, 2, 3], [4, 5, 6]])
('b=', [[1, 2, 3], [4, 5, 6]])
('c=', [[1, 2, 3], [4, 5, 6]])
增加一維，新維度的下標(biāo)為0
[[[1 2 3]
 [4 5 6]]

 [[1 2 3]
 [4 5 6]]

 [[1 2 3]
 [4 5 6]]]
增加一維，新維度的下標(biāo)為1
[[[1 2 3]
 [1 2 3]
 [1 2 3]]

 [[4 5 6]
 [4 5 6]
 [4 5 6]]]
增加一維，新維度的下標(biāo)為2
[[[1 1 1]
 [2 2 2]
 [3 3 3]]

 [[4 4 4]
 [5 5 5]
 [6 6 6]]]

當(dāng)axis=0的時(shí)候，列表a，b，c最外面都需要套箱子(就是加中括號(hào))，那么我把你們先放一起，變成下面這樣

[[1,2,3],[4,5,6]],
[[1,2,3],[4,5,6]],
[[1,2,3],[4,5,6]]

然后在最外面套箱子，變成

[
[[1,2,3],[4,5,6]],
[[1,2,3],[4,5,6]],
[[1,2,3],[4,5,6]]
]

當(dāng)axis=1的時(shí)候，列表a，b，c中的[1,2,3]需要套同樣的箱子，列表a，b，c中的[4,5,6]需要套同樣的箱子，好，我先把你們放一塊變成下面這樣

[
 [1,2,3],[1,2,3],[1,2,3]
 ,
 [4,5,6],[4,5,6],[4,5,6]

]

然后開(kāi)始分別在 [1,2,3],[1,2,3],[1,2,3]的外面和[4,5,6],[4,5,6],[4,5,6]的外面套箱子，變成下面這樣

[
 [[1,2,3],[1,2,3],[1,2,3]]
 ,
 [[4,5,6],[4,5,6],[4,5,6]]

]

當(dāng)axis=2的時(shí)候，列表a，b，c中的1，2，3，4，5，6都需要套箱子，我把你們先放一起變成：

[
 [1,1,1 , 2,2,2 , 3,3,3],
 [4,4,4 , 5,5,5 , 6,6,6]
]

然后在1,1,1 ………6,6,6的外面分別套箱子變成：

[
 [[1,1,1] , [2,2,2] , [3,3,3]],
 [[4,4,4] , [5,5,5] , [6,6,6]]
]

關(guān)于stack()函數(shù)就講這么多，這也是我全部理解的部分。

2. hstack()函數(shù)

函數(shù)原型：hstack(tup) ，參數(shù)tup可以是元組，列表，或者numpy數(shù)組，返回結(jié)果為numpy的數(shù)組?？聪旅娴拇a體會(huì)它的含義

import numpy as np
a=[1,2,3]
b=[4,5,6]
print(np.hstack((a,b)))

輸出：[1 2 3 4 5 6 ]

import numpy as np
a=[[1],[2],[3]]
b=[[1],[2],[3]]
c=[[1],[2],[3]]
d=[[1],[2],[3]]
print(np.hstack((a,b,c,d)))

輸出：
[[1 1 1 1]
 [2 2 2 2]
 [3 3 3 3]]

它其實(shí)就是水平(按列順序)把數(shù)組給堆疊起來(lái)，vstack()函數(shù)正好和它相反。

3. vstack()函數(shù)

函數(shù)原型：vstack(tup) ，參數(shù)tup可以是元組，列表，或者numpy數(shù)組，返回結(jié)果為numpy的數(shù)組?？聪旅娴拇a體會(huì)它的含義

import numpy as np
a=[1,2,3]
b=[4,5,6]
print(np.vstack((a,b)))

輸出：
[[1 2 3]
 [4 5 6]]

import numpy as np
a=[[1],[2],[3]]
b=[[1],[2],[3]]
c=[[1],[2],[3]]
d=[[1],[2],[3]]
print(np.vstack((a,b,c,d)))

輸出：
[[1]
 [2]
 [3]
 [1]
 [2]
 [3]
 [1]
 [2]
 [3]
 [1]
 [2]
 [3]]

它是垂直（按照行順序）的把數(shù)組給堆疊起來(lái)。

總結(jié)

以上就是本文關(guān)于Numpy中stack(),hstack(),vstack()函數(shù)用法介紹及實(shí)例的全部?jī)?nèi)容，希望對(duì)大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站其他相關(guān)專(zhuān)題，如有不足之處，歡迎留言指出。感謝朋友們對(duì)本站的支持！

最新評(píng)論