Numpy中的stack函数

关注

原创最新推荐文章于 2026-03-30 09:14:39 发布 1.5k 阅读 AI 写同款· GEO 优化 ›

python中stack函数_【python】Numpy中stack()，hstack()，vstack()函数详解转自 https://blog.youkuaiyun.com/csdn15698845876/article/details/73380803这三个函数有些相似性，都是堆叠数组，里面最难理解的应该就是stack()函数了，我查阅了numpy的官方文档，在网上又看了几个大牛的博客，发现他们也只是把numpy文档的内容照搬，看完后还是不能理解，最后经过本人代码分析，算是理解了stack()函数增加维度的含义。以下... 阅读详情

stack(x,axis=0)

这个函数用于将多个数组合并，其中每个数组的shape都相同，其中axis表示在第几个空间开始进行结合，这样说很难理解，举例说明：

[0,1,2,3] 的shape可看做（1,4）

a =  np.arange(4)
b =  np.arange(4)
c=np.stack((a,b),axis=0)
print(c)
print(c.shape)

输出：
[[0 1 2 3]
 [0 1 2 3]]
(2, 4)    

c=np.stack((a,b),axis=1)

输出：
[[0 0]
 [1 1]
 [2 2]
 [3 3]]
(4, 2)

当axis等于0时，在0这个维度每个元素包含的内容是[0 1 2 3]，所以匹配的内容也就是[0 1 2 3]，并且元素只有这一个。
当axis等于1时，则匹配第二个维度，两个数组的第二个维度的元素都分别为1，2,3,4,每次匹配都会产生相应的结果，在这里分别为[0 0]，[1 1]，[2 2]，[3 3]。

再举个例子：

a =  np.arange(4).reshape(2,2)
b=  np.arange(4).reshape(2,2)
c=np.stack((a,b),axis=0)

print(c)
print(c.shape)

输出：                                #匹配的元素为数组本身
[[[0 1]
  [2 3]]

 [[0 1]
  [2 3]]]
(2, 2, 2)    


c=np.stack((a,b),axis=1)

print(c)
print(c.shape)

输出：                                #匹配的元素为[0 1],[2 3]
[[[0 1]
  [0 1]]

 [[2 3]
  [2 3]]]
(2, 2, 2)

c=np.stack((a,b),axis=2)

print(c)
print(c.shape)    

输出：                                #匹配的元素为0,1,2,3
[[[0 0]
 [1 1]]

 [[2 2]
  [3 3]]]
(2, 2, 2)

这里的数组的shape为（2,2），但在这个函数中一定要看成（1,2,2）

收录于