stack and unstack

2024-05-11 11:28:59

tf.unstack

作用：
简单来说就是进行降维，再链接为一个可迭代的对象
Unpacks the given dimension of a rank-R tensor into rank-(R-1) tensors.
将R维的tensor转换为R-1维的tensor序列
其参数形式化的表示如下：
value ：进行操作的tensor
num ：在指定的维度上对指定数目的tensor进行操作，如不提供需要能够从value的第axis维度的shape推断出
文档中的说法是：The length of the dimension axis.
axis ：指定进行操作的维度

以维度为(A,B,C,D)的tensor为例，axis = 2。得到的结果为长度为C的序列，output[i] = input[:, :, i, :]，每一个元素的shape为（A,B,D）

对应的np.stack

作用：将一个n维向量序列转换成n+1维度的单独向量
输出：在输出的第axis维上的值指示的是原序列中的index

import numpy as np
a = np.array(np.reshape(range(200)), (10,4,5))

得到一个长度为10，每个元素维度(4, 5)的序列

a = np.stack(a, axis = 2)
print(a.shape)      // (4, 5, 10)

在第2个axis上对元素进行堆叠(stack)
注意体会堆叠的含义

stack and unstack相关推荐

python pandas stack和unstack函数
在用pandas进行数据重排时,经常用到stack和unstack两个函数.stack的意思是堆叠,堆积,unstack即"不要堆叠",我对两个函数是这样理解和区分的. 常见的数据 ...
pandas数据分析之数据重塑透视(stack、unstack、melt、pivot)
在数据分析的过程中,分析师常常希望通过多个维度多种方式来观察分析数据,重塑和透视是常用的手段. 数据的重塑简单说就是对原数据进行变形,为什么需要变形,因为当前数据的展示形式不是我们期望的维度,也可以说 ...
stack与unstack的用法
自用,这篇文章写得很详细深度盘点:7个关于 Pandas stack() 和 unstack() 使用技巧!
pandas pandas中stack()与unstack()函数用法
pandas pandas中stack()与unstack()函数用法
pandas -----变形（透视表、melt、stack、unstack），哑变量与因子变化
目录导入数据 1. 透视表 1. 1 pivot 1.2. pivot_table 1.3 crosstab(交叉表) 2.其他变形方法 2.1. melt 2.2. 压缩与展开 3.哑变量与因子化 ...
tf.stack与tf.unstack
这里对 tensorflow 中的 stack 和 unstack 做一个简单的介绍. tf.stack 官方文档 tf.stack: tf.stack 的作用是拼接张量,其实也就是拼接数组,且能指定 ...
Python之数据重塑——【stack()方法和unstack()方法、pivot()方法】
文章目录重塑层次化索引对于单层索引的DataFrame类对象 stack()方法 unstack()方法对于多层索引的DataFrame类对象辨析操作内层索引与外层索引的区别查看多层索引对象 ...
Pandas数据分析—使用stack和pivot实现数据透视
15.Pandas使用stack和pivot实现数据透视文章目录 15.Pandas使用stack和pivot实现数据透视前言一.经过统计得到多维度指标数据二.使用unstack实现数据的二维 ...
tf.stack() 详解
tensorflow用于矩阵拼接的方法:tf.stack() 个人参考感觉还不错的一个理解(tf.stack() 和 tf.concat()的区别):https://blog.csdn.net/Gai ...

最新文章

热门文章