本文共 2183 字，大约阅读时间需要 7 分钟。

numpy.stack(arrays, axis=0)

沿着新轴连接数组的序列。

axis参数指定新轴在结果尺寸中的索引。例如，如果axis=0，它将是第一个维度，如果axis=-1，它将是最后一个维度。

• 参数： 数组：array_like的序列每个数组必须具有相同的形状。axis：int，可选输入数组沿其堆叠的结果数组中的轴。
• 返回： 堆叠：ndarray堆叠数组比输入数组多一个维。

上面是官方给出的解释，很难理解。

我们先从增加维度说起。

>>> a = np.array([1, 2, 3])>>> b = np.array([2, 3, 4])>>> a.shape(3,)>>> b.shape(3,)>>> np.stack((a, b), axis=0).shape(2, 3)>>> np.stack((a, b), axis=1).shape(3, 2)

我先说一说这里(2,3)和(3,2)中的2是怎么来的：因为有a和b两个array。如果这里我们增加一个c= np.array([3, 4, 5])，那么这里我们改变原来的np.stack就会变成下面这样：

>>> c = np.array([3, 4, 5])>>> np.stack((a, b, c), axis=0).shape(3, 3)>>> np.stack((a, b, c), axis=1).shape(3, 3)

那么因为这里是a,b,c三个array，所以这里2变成了3

接着说说这个axis参数的意义，我们可以理解这里的axis就是要增加哪一个维度，比如说这里的axis=0，就是增加第一维度，所以这里的(2,3)中的2在第一个位置。axis=1，就是增加第二维度，所以这里的(3,2)中的2在第二个位置。

我现在举一个稍微复杂的例子

>>> a = np.array([[1, 2, 3], [1, 2, 3], [1, 2, 3]])>>> b = np.array([[4, 5, 6], [4, 5, 6], [4, 5, 6]])>>> a.shape(3, 3)>>> b.shape(3, 3)>>> np.stack((a, b), axis=0).shape(2, 3, 3)>>> np.stack((a, b), axis=1).shape(3, 2, 3)>>> np.stack((a, b), axis=2).shape(3, 3, 2)

这里的2就是指的a和b，而2放在什么位置是根据axis来确定的。

接着说一下矩阵的坐标

a			a的元素对应的坐标[1 2 3]		(0,0) (0,1) (0,2)[1 2 3]		(1,0) (1,1) (1,2)[1 2 3]		(2,0) (2,1) (2,2)

很好理解。

接着以np.stack((a, b), axis=1)为例子

>>> np.stack((a, b), axis=1).shape(3, 2, 3)>>> np.stack((a, b), axis=1)array([[[1, 2, 3],        [4, 5, 6]],       [[1, 2, 3],        [4, 5, 6]],       [[1, 2, 3],        [4, 5, 6]]])

原来我们a[0][0]=1，现在中间加上一个维度（因为这里axis=1），就变成了a[0][0][0]=1，注意这里为什么中间是0，因为np.stack((a, b), axis=1)中，a在b的前面。同理

a			a的元素对应的坐标[1 2 3]		(0,0,0) (0,0,1) (0,0,2)[1 2 3]		(1,0,0) (1,0,1) (1,0,2)[1 2 3]		(2,0,0) (2,0,1) (2,0,2)

那么b[0][0]=4，因为np.stack((a, b), axis=1)中，b在a的后面。所以b[0][1][0]=4

b			b的元素对应的坐标[4 5 6]		(0,1,0) (0,1,1) (0,1,2)[4 5 6]		(1,1,0) (1,1,1) (1,1,2)[4 5 6]		(2,1,0) (2,1,1) (2,1,2)

接着将对应坐标的数组合，就得到了新的array

元素对应的坐标array([[[1, 2, 3],		(0,0,0) (0,0,1) (0,0,2)        [4, 5, 6]],		(0,1,0) (0,1,1) (0,1,2)       [[1, 2, 3],		(1,0,0) (1,0,1) (1,0,2)        [4, 5, 6]],		(1,1,0) (1,1,1) (1,1,2)       [[1, 2, 3],		(2,0,0) (2,0,1) (2,0,2)        [4, 5, 6]]])	(2,1,0) (2,1,1) (2,1,2)

还有一个更加简单的理解方式（堆叠）

对于axis=1，就是横着切开，对应行横着堆

对于axis=2，就是竖着切开，对应行竖着堆

对于axis=0，就是不切开，两个堆一起。

就是这么的简单^_!

觉得不错，点个赞吧b(￣▽￣)d

转载地址：https://coordinate.blog.csdn.net/article/details/78934529 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！