[Python] 堆叠函数 stack((a,b), axis=0)

参考的博客原文为 numpy.stack最通俗的理解，本人对其做了些整理。

功能：

根据axis的不同，对多个矩阵进行堆叠。

axis参数的含义：
axis指明了要增加哪一个维度。
axis=0，增加第一维度。实际是不切开，两个堆一起。
axis=1，增加第二维度。实际是横着切开，对应行横着堆。
axis=2，增加第三维度。实际是竖着切开，对应行竖着堆。
着重介绍堆叠的意思。

示例和说明：

首先我们给出a, b两个矩阵

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

接着以np.stack((a, b), axis=1)为例
原来我们a[0][0]=1，现在中间加上一个维度（这里axis=1），就变成了a[0][0][0]=1。（因为np.stack((a, b), axis=1中，a在b的前面，所以中间为0）。

堆叠之后a, b的坐标变为

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)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)

示例1——3个3×1的 ndarray的堆叠

a = np.array([1, 1, 1])
b = np.array([2, 2, 2])
c = np.array([3, 3, 3])# 以行堆叠
x1 = np.stack((a, b, c), axis=0)
print('x1=\n',x1)
# x1=
# [[1 1 1]
# [2 2 2]
# [3 3 3]]
print('x1.shape=',x1.shape,'\n')
# x1.shape= (3, 3) # 以列堆叠
x2 = np.stack((a, b, c), axis=1)
print('x2=\n',x2)
# x2=
# [[1 2 3]
#  [1 2 3]
#  [1 2 3]]
print('x2.shape=',x2.shape,'\n')
# x2.shape= (3, 3)

示例2——2个3×3的ndarray的堆叠

# 定义3个 array 为a, b, c
a = np.array([[1, 1, 1], [2, 2, 2], [3, 3, 3]])b = np.array([[4, 4, 4], [5, 5, 5],[6, 6, 6]])# axis=0
x1 = np.stack((a, b), axis=0)
print('x1=\n',x1)
#  x1=
#  [[[1 1 1]
#   [2 2 2]
#   [3 3 3]]
#  [[4 4 4]
#   [5 5 5]
#   [6 6 6]]]
print('x1.shape=',x1.shape,'\n')
# x1.shape= (2, 3, 3) # axis=1
x2 = np.stack((a, b), axis=1)
print('x2=\n',x2)
# x2=
#  [[[1 1 1]
#   [4 4 4]]
#  [[2 2 2]
#   [5 5 5]]
#  [[3 3 3]
#   [6 6 6]]]
print('x2.shape=',x2.shape,'\n')
# x2.shape= (3, 2, 3)

[Python] 堆叠函数 stack((a,b), axis=0)相关推荐

Python Numpy多维数组.sum(axis=0/1/2...) 详解
Python Numpy多维数组.sum(axis=0/1/2-) 详解 numpy中axis取值的说明首先对numpy中axis取值进行说明:一维数组时axis=0,二维数组时axis=0,1,维 ...
python numpy ufunc.reduce(self, a, axis=0, dtype=None, out=None, keepdims=False)函数.（连续执行原始运算对值聚合）
def reduce(self, a, axis=0, dtype=None, out=None, keepdims=False): # real signature unknown; restore ...
如何用Python 求函数 y = sinx 在区间[0, pi/2]上的弧长
今天在高数课上老师讲到求光滑曲线弧长问题,老师自己想了一个例子: 求函数 y = sinx 在区间[0, pi/2]上的弧长但是经过微分和积分发现没法求出确定值,百度后发现不可积,是椭圆积分,只能求 ...
python count函数用法 comm_python3:MySQL 8.0学习笔记（第五部分：单表查询操作）
在讲解单表查询时,首先创建一个emp的员工表,表中字段包括:empno(员工编号).ename(员工姓名).job(员工职位).mgr(员工领导).hiredate(员工入职日期).sal(员工月薪) ...
numpy中sum函数求和时参数axis=0和axis=1的含义
简单来说,对于一个m*n的矩阵,如果sum()的参数中没有指定axis,就是将所有的数值加到一起,得到1*1的标量.如果是axis=0,就是按照列进行加,得到一个1*n的行向量:如果axis=1,表示 ...
python apply函数_python玄学之 apply函数的axis参数
不知道小伙伴们学习python的dataframe时,是否遇到一个疑惑,apply参数axis的具体含义是什么? 官方文档解释如下:https://pandas.pydata.org/pandas-d ...
Numpy学习笔记(二):argmax参数中axis=0,axis=1,axis=-1详解附代码
文章目录 1.argmax和max函数区别 2.axis=0/axis=1/axis=-1的区别 3.具体代码分析 ---3.1一维数组 ---3.2二维数组 ---3.3三维数组 1.argmax和 ...
[转载] python sum()函数和.sum(axis=0)函数的使用
参考链接: Python sum() 参考: http://www.cnblogs.com/yyxayz/p/4033736.html http://www.pythontab.com/html/20 ...
Python——sum()、.sum(axis=0)和.sum(axis=1)函数的使用
Python--sum()..sum(axis=0)和.sum(axis=1)函数的使用

[Python] 堆叠函数 stack((a,b), axis=0)

功能：

示例和说明：

[Python] 堆叠函数 stack((a,b), axis=0)相关推荐

最新文章

热门文章