numpy中stack的用法直观理解

首先生成一些数，

import numpy as np
a = np.arange(1, 7).reshape((2, 3))
b = np.arange(7, 13).reshape((2, 3))
c = np.arange(13, 19).reshape((2, 3))print('a = \n', a)
print('b = \n', b)
print('c = \n', c)

即下面的形式

下面分别以不同的形式输出：

1、vstack

s = np.vstack((a, b, c))
print('vstack \n ', s.shape, '\n', s)

在竖直方向上进行堆叠,得到6×3的矩阵

2、hstack

s = np.hstack((a, b, c))
print('hstack \n ', s.shape, '\n', s)

在水平方向上进行堆叠

3、axis=0

s = np.stack((a, b, c), axis=0)
print('axis = 0 \n ', s.shape, '\n', s)

就是下面的形式

具体为3组2×3矩阵

4、axis=1

s = np.stack((a, b, c), axis=1)
print('axis = 1 \n ', s.shape, '\n', s)

即将每个矩阵的每一行进行堆叠，放在一个矩阵里（一行对应一个矩阵）就是下图的红色的放一起，绿色的放一起

5、axis=2

s = np.stack((a, b, c), axis=2)
print('axis = 2 \n ', s.shape, '\n', s)

即将每行的进行竖排，放在一个矩阵里（一行对应一个矩阵）

因为对于stack用法容易忘记，查阅官方文档理解又比较繁琐，故做此一目了然

numpy中stack的用法直观理解相关推荐

(Python)对numpy中的argmax用法的理解
目录作用一维 axis的值大于0 二维 axis=0 axis=1 三维 axis=0 axis=1 axis=2 作用 argmax()返回的就是最大数的索引 argmax()有一个参数axis ...
numpy 中shape的用法
numpy 中shape的用法返回各个维度的维数. >>> import numpy as np >>> y = np.array([[1,2,3],[4,5,6 ...
python3 nonzero_浅谈python numpy中nonzero()的用法
nonzero函数返回非零元素的目录. 返回值为元组, 两个值分别为两个维度, 包含了相应维度上非零元素的目录值. import numpy as np A = np.mat([[0,1,2,3,4, ...
支持向量机中高斯核函数的直观理解
这一文章主要讲述高斯核函数的直观理解,并不会涉及支持向量机代价函数及最优化的问题. 什么是高斯核函数? 在支持向量机中它是一个用来构造非线性边界的核函数. 高斯核函数的定义: 这个函数说白了,就是点X ...
Numpy中reshape的用法
目录 numpy中reshape函数的三种常见相关用法 reshape(n,-1),将数组转换成 n 行: reshape(-1,n),将数组转换成 n 列: numpy中reshape函数的三种常见 ...
Numpy中 arange() 的用法
1. 概述 Numpy 中 arange() 主要是用于生成数组,具体用法如下: 2. arange() 2.1 语法 numpy.arange(start, stop, step, dtype = ...
Numpy中stack()，hstack()，vstack()函数详解
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, ...
Numpy中stack()，hstack()，vstack()函数的使用方法
stack()与hstack(),vstack()不同,前者堆叠数组是联结(join),而后两者是串联(concatenation),可以体会一下. 1. stack()函数按照指定的轴对数组序列进 ...
目标检测中边框回归的直观理解 bbox regression
目录 1 摘要 2 算法要解决的问题 3 从结果推原因,算法的实现思路 3.1 最直接的实现 3.2 合理性讨论 4 CNN的尺度不变性的影响 4.1 log函数的非线性问题 5 线性模型的损失函数 ...

numpy中stack的用法直观理解

numpy中stack的用法直观理解相关推荐

最新文章

热门文章