溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
函數原型為：stack(arrays,axis=0)，arrays可以傳數組和列表。axis的含義我下面會講解，我們先來看個例子，然后我會分析輸出結果。
import numpy as np
a=[[1,2,3],
[4,5,6]]
print("列表a如下：")
print(a)
print("增加一維，新維度的下標為0")
c=np.stack(a,axis=0)
print(c)
print("增加一維，新維度的下標為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，新維度下標為0
[[1 2 3]
[4 5 6]]
增加一維，新維度下標為1
[[1 4]
[2 5]
[3 6]]
首先這里arrays我傳的是一個列表，現在我開始講解這個stack()函數的意思，它就是對arrays里面的每個元素(可能是個列表，元組，或者是個numpy的數組)變成numpy的數組后，再對每個元素增加一維(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(至于怎么串，我下面會說)。
arrays里面的每個元素必須形狀是一樣的，例如本例中列表a中的兩個元素[1,2,3]和[4,5,6]的形狀是一樣的，如果把[4,5,6]換成[4,5] ，那么程序會報錯！而axis代表的是在哪個維度上加一維，例如axis=0(它是默認的)代表的就是增加的這一維的下標為0，axis等于多少不是隨便亂寫的，如果參數arrays里面的每個元素是個1維的，那么調用stack()函數增加一維后會變成2維的，所以axis只能等于0和1（維度的下標是從0開始的），而參數axis=0和axis=1得到的結果是不一樣的。
例如上面的代碼中a列表中的第一個元素為[1,2,3]，那么當axis=0的時候，就是在它的中括號外面再加一個中括號，變成[ [1,2,3] ]（其實1，2，3之間是沒有逗號的，因為stack()函數會先把參數arrays中的每個元素變成numpy的數組，數組之間是沒有逗號的，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，下面還會加上逗號），這樣最外面那層中括號才代表維度下標為0的那維；當axis=1的時候，就是在里面加個中括號，變成了[ [1]，[2]，[3] ],這樣里面加的那層中括號才代表維度下標為1的那維。同理當axis=0的時候[4,5,6]變成[ [ 4，5，6] ]，當axis=1的時候，變成[ [4]，[5]，[6] ]。下面我們講如何把增加一維度后的每個元素串起來。
怎么把上面那兩個元素增加維度后的結果串起來呢，其實很簡單。現在我們已經知道了增加維度無非是增加中括號的意思，至于在哪里加中括號，取決于axis等于幾。我們把增加的中括號想像成一個個的箱子。還拿上面的代碼來說，當axis=0的時候，我們把套在[1,2,3]外面的中括號(就是[ [1,2,3] ]最外層的那個中括號)看做是箱子A，這個箱子A也會套在[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axis=0的時候程序的輸出結果。
現在再來看當axis=1的時候，對于[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)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也會套在4的外面，箱子B也會套在5的外面，箱子C也會套在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的時候程序的輸出結果。
大家發現了沒有，串起來的時候其實就是把arrays中每個元素在相同的位置套箱子的一些小塊(這里叫小塊這個名詞可能不洽當，但是大家明白就行)放在一起后，再套箱子，就是外面套個中括號，這就是堆疊。
再看下面的代碼的輸出，測試下你理解的沒有。
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，新維度的下標為0")
c=np.stack(a,axis=0)
print(c)
print("增加一維，新維度的下標為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，新維度的下標為0
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
增加一維，新維度的下標為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，新維度的下標為0")
d=np.stack((a,b,c),axis=0)
print(d)
print("增加一維，新維度的下標為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，新維度的下標為0
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
增加一維，新維度的下標為1
[[ 1 5 9]
[ 2 6 10]
[ 3 7 11]
[ 4 8 12]]
你會發現輸出結果和上面的代碼一樣，其實它倆就是一樣的。只不過當你對arrays傳參的時候，如果你傳的參數是類似于(a,b,c)這種，它會把(a,b,c)當做一個元組來看，a,b,c都是元組的每個元素。然后分別對每個元素處理，上面我已經說了，arrays傳的參數可以是列表，元組，或者numpy數組。所以傳(a,b,c)和傳[a,b,c]或者當x=[a,b,c]的時候傳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三維是什么樣的。
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，新維度的下標為0")
d=np.stack((a,b,c),axis=0)
print(d)
print("增加一維，新維度的下標為1")
d=np.stack((a,b,c),axis=1)
print(d)
print("增加一維，新維度的下標為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，新維度的下標為2
[[[1 1 1]
[2 2 2]
[3 3 3]]
[[4 4 4]
[5 5 5]
[6 6 6]]]
當axis=0的時候，列表a，b，c最外面都需要套箱子(就是加中括號)，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axis=1的時候，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axis=2的時候，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]] ]
關于stack()函數就講這么多，這也是我全部理解的部分。
函數原型：hstack(tup) ，參數tup可以是元組，列表，或者numpy數組，返回結果為numpy的數組。看下面的代碼體會它的含義
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]]
它其實就是水平(按列順序)把數組給堆疊起來，vstack()函數正好和它相反。
函數原型：vstack(tup) ，參數tup可以是元組，列表，或者numpy數組，返回結果為numpy的數組。看下面的代碼體會它的含義
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）的把數組給堆疊起來。
以上就是本文關于Numpy中stack(),hstack(),vstack()函數用法介紹及實例的全部內容，希望對大家有所幫助。感興趣的朋友可以繼續參閱本站其他相關專題，如有不足之處，歡迎留言指出。感謝朋友們對本站的支持！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
