numpy——stack

np.stack(array,axis,out=None)，函数原型。
其中最重要是的这个axis怎么理解的。
举例说明：
arrays = [np.random.randn(3, 4) for _ in range(10)]
会生成一个 10 *( 3 * 4 )的矩阵列表。十个矩阵，每个矩阵是(3 * 4)大小。
首先说明一下axis的映射。在这个例子中，10->axis=0 ，3->axis=1

>>>np.stack(arrays,axis=1)
array([[[-0.42233185, -0.13270788, -0.47724388, -1.48881134],[ 0.2284937 , -0.30139984,  0.15633374,  0.04428078],[ 2.0193316 ,  0.1098357 , -0.32044757, -1.24868601],[ 0.9859909 , -0.42781564,  0.57524126,  0.58154297],[-0.13059124,  2.15207301,  0.36007904, -0.71344781],[-1.68010975,  1.25350273,  0.11073033, -0.28531604],[ 0.60021096, -0.18691447,  1.49261775,  0.47628294],[-0.18268831, -0.32463742, -0.89726008,  0.19245843],[-0.27384598,  0.56068318,  1.57096001,  1.11169077],[ 0.27035354, -0.54258351, -0.69891459,  1.84282464]],[[ 1.44874184, -1.6645958 ,  1.14128754, -2.26945958],[ 0.28754711, -1.59591539, -0.92798468, -0.05021877],[ 1.09050239, -0.86881164, -0.59820951, -0.39628311],[-1.09540304, -0.33438594, -0.71075442, -1.48691938],[ 0.7155825 ,  0.24710929, -0.65019501, -1.24407802],[-0.11059045, -1.57851632,  1.34142995, -0.44438407],[ 0.9258746 ,  1.62418684, -0.25380587, -1.1423341 ],[-1.76337136,  0.55031978,  1.25834475,  0.53257722],[ 0.05755626,  1.16156935, -1.84999546,  1.57175386],[ 0.48836813, -0.21907532, -0.78655392,  0.51705705]],[[-0.24451876, -0.09881284,  1.17611246,  0.81276037],[ 0.89510841,  0.9106155 ,  0.4923826 , -0.07364133],[-0.0670429 ,  0.72968107, -1.31473173, -0.31313322],[ 0.62314248,  0.97792175,  0.0840199 , -0.38035465],[ 0.70222737,  0.53761069,  0.50546661, -2.02777762],[-0.85454667, -0.76359383, -0.25280887, -0.94252057],[ 0.38294622, -0.38729216,  0.03757319, -0.48955485],[ 1.52718003,  1.14814816,  1.33147053, -0.50341043],[-0.38600834,  0.19781327, -0.35596671,  1.59331045],[-0.07073478, -1.4710414 ,  1.95192939, -0.83379204]]])
>>> np.stack(arrays, axis=1).shape
(3, 10, 4)

为什么会变成 3 * 10 * 4了呢。首先我们的函数是对 10 * 3 * 4 中的3，也就是axis=1，进行了堆叠。
那么这个 axis = 1，在十个矩阵中代表什么呢？代表每个矩阵中的一行。所以这个函数的操作就是，把10矩阵中的第i行拿出来拼成一个矩阵。因为一个矩阵有三行，所以堆叠后的矩阵就是，3 * 10 * 4，这个10 * 4，就是原来矩阵中，十个矩阵的第一行，第二行，第三行，拼接而成的。所以是 3 * 10 * 4。

参考：https://www.jianshu.com/p/828ee070789b

numpy——stack相关推荐

python代码大全和用法用量_Python numpy.stack()用法及代码示例
numpy.stack()函数用于沿新轴连接相同尺寸数组的序列.axis参数指定结果轴尺寸中新轴的索引.例如,如果axis = 0,它将是第一个尺寸:如果axis = -1,它将是最后的尺寸. 用法: ...
python的stack用法_Python numpy.stack函数方法的使用
numpy.stack numpy.stack(arrays, axis=0, out=None) [source] 沿着新的轴连接数组序列. axis参数在结果的维度中指定新轴的索引.例如 ...
[Numpy]stack(), hstack(), vstack(), concatenate()
部分资料来源于网络,仅做个人学习之用目录 0. axis取值 1. stack() 2. hstack() 3. vstack() 4. concatenate() 0. axis取值在numpy ...
玩转Numpy——stack（），hstack（），vstack（），dstack（）函数简单介绍
这三个函数的功能都是堆叠数组.一下看三者的详细用法和区别之处. 1,stack()函数: 函数原型为:stack(arrays, axis=0) arrays可以传数组和列表,arrays里面的每个元 ...
Python numpy函数hstack() vstack() stack() dstack() vsplit() concatenate()
感觉numpy.hstack()和numpy.column_stack()函数略有相似,numpy.vstack()与numpy.row_stack()函数也是挺像的. stackoverflow上也 ...
[转]Python numpy函数hstack() vstack() stack() dstack() vsplit() concatenate()
Python numpy函数hstack() vstack() stack() dstack() vsplit() concatenate() 觉得有用的话,欢迎一起讨论相互学习~Follow Me ...
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 ...
Numpy入门教程：03.数组操作
背景什么是 NumPy 呢? NumPy 这个词来源于两个单词 – Numerical和Python.其是一个功能强大的 Python 库,可以帮助程序员轻松地进行数值计算,通常应用于以下场景: 执 ...
python分析基金数据,[Python数据分析]numpy基金会,基础
数组属性 ndim与shape的区别 ndim 轴的数量,即从外到内的层数(axis=0为最外层) shape 每层数组的元素,返回一个元组,其长度即为ndim,比如(2,2,3)表示axis=0,有 ...

numpy——stack

numpy——stack相关推荐

最新文章

热门文章