numpy，stack()函数理解

最新推荐文章于 2024-04-27 20:58:54 发布

原创最新推荐文章于 2024-04-27 20:58:54 发布 · 375 阅读

1 ·

CC 4.0 BY-SA版权

本文介绍了numpy的stack()函数，通过代码示例解析了如何根据axis参数改变数组的堆叠方式，从而调整维度。在二维和三维的例子中，详细解释了axis为0、1、2时的堆叠效果，帮助读者深入理解该函数的工作原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考另外一篇博客对这三个函数的详解，再加上自己的体会记录如下

1. stack()

（1）给出代码（二维的例子）

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

print("增加一维，新维度的下标为0")
c=np.stack(a,axis=0)
print(c)

print("增加一维，新维度的下标为1")
c=np.stack(a,axis=1)
print(c)

输出：
列表a如下：
[[1, 2, 3], [4, 5, 6]]
增加一维，新维度下标为0
[[1 2 3]
[4 5 6]]
增加一维，新维度下标为1
[[1 4]
[2 5]
[3 6]]

（2）理解

参考的那篇博客上面是用套箱子的方法理解，但是我并没有完全看明白，不知道axis的参数对应的是哪个箱子。所以我自己理解了一下。stack()函数不是增加了维度，而是改变了数组的堆叠方法，进而改变维度。

我们可以将a的行看做0维度，列看做1维度。当axis=0时，对0维度进行改变，即按行进行堆叠。当axis=1时，对1维度进行改变，即按列进行堆叠。按照这个方法可以验证输出。

（3）给出代码（三维的例子）

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("增加一维，新维度的下标为0")
d=np.stack((a,b,c),axis=0)
print(d)

print("增加一维，新维度的下标为1")
d=np.stack((a,b,c),axis=1)
print(d)
print("增加一维，新维度的下标为2")
d=np.stack((a,b,c),axis=2)
print(d)

输出：
('a=', [[1, 2, 3], [4, 5, 6]])
('b=', [[1, 2, 3], [4, 5, 6]])
('c=', [[1, 2, 3], [4, 5, 6]])
增加一维，新维度的下标为0
[[[1 2 3]
[4 5 6]]

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

[[1 2 3]
[4 5 6]]]
增加一维，新维度的下标为1
[[[1 2 3]
[1 2 3]
[1 2 3]]

[[4 5 6]
[4 5 6]
[4 5 6]]]
增加一维，新维度的下标为2
[[[1 1 1]
[2 2 2]
[3 3 3]]

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

（4）理解：

如上面理解的一样，可以把元组(a,b,c)的行看做0维度，列看做1维度，每行的元素看做2维度。（注意元组(a,b,c)是在abc外再加一个括号）

当axis=0时，元组(a,b,c)的第0维是最外一层的中括号的下一层，即a元素，b元素和c元素，把他们堆叠在一起就是每个第一次的输出。

当axis=1时，元组(a,b,c)的第1维是a元素的行，b元素的行和c元素的行，即把a,b,c按行堆叠，堆叠完第一行再堆叠a,b,c的第二行。

当axis=2时，元组(a,b,c)的第2维是a元素的元素级别，b元素的元素级别，c元素的元素级别，即按元素的元素进行堆叠。