stack此时翻译成堆叠,也就是对数据进行堆叠,函数原型为:stack(arrays, axis=0),arrays可以传数组和列表。axis即在横轴(行)方向或者纵轴(列)方向对数据进行操作,具体含义在我的另一篇博客里面具体介绍了 axis的解释,链接如下:
https://blog.csdn.net/ding_programmer/article/details/102491181
import numpy as np
a=[[1,2,3],
[4,5,6]]
print("列表a如下:")
print(a)
print("axis=0")
c=np.stack(a,axis=0)
print(c)
print("axis=1")
c=np.stack(a,axis=1)
print(c)
结果如下:
列表a如下:
[[1, 2, 3], [4, 5, 6]]
axis=0
[[1 2 3]
[4 5 6]]
axis=1
[[1 4]
[2 5]
[3 6]]
使用 stack,可以将一个列表转换为一个numpy数组,当axis=0的时候,和 使用 np.array() 没有什么区别,但是当 axis=1的时候,那么就是对每一行进行在列方向上进行运算,也就是列方向结合,此时矩阵的维度也从(2,3)变成了(3,2)
再来看一个例子:
import numpy as np
a=[[1,2,3,4],
[5,6,7,8],
[9,10,11,12]]
print("列表a如下:")
print(a)
print("axis=0")
c=np.stack(a,axis=0)
print(c)
print("axis=1")
c=np.stack(a,axis=1)
print(c)
结果如下:
列表a如下:
[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]
axis=0
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
axis=1
[[ 1 5 9]
[ 2 6 10]
[ 3 7 11]
[ 4 8 12]]
也算同样的道理,axis=1的时候你就记住每一行对列进行处理
函数原型:hstack(tup) ,参数tup可以是元组,列表,或者numpy数组,返回结果为numpy的数组。看下面的代码体会它的含义
import numpy as np
a=[1,2,3]
b=[4,5,6]
print(np.hstack((a,b)))
输出:[1 2 3 4 5 6 ]
import numpy as np
a=[[1],[2],[3]]
b=[[4],[5],[6]]
print(np.hstack((a,b)))
输出:
[[1 4]
[2 5]
[3 6]]
也就是按水平(按列的顺序)对数据进行堆叠 h就是 horizontal 水平方向上的意思,vstack正好相反
函数原型:vstack(tup) ,参数tup可以是元组,列表,或者numpy数组,返回结果为numpy的数组。看下面的代码体会它的含义
import numpy as np
a=[1,2,3]
b=[4,5,6]
print(np.vstack((a,b)))
输出:
[[1 2 3]
[4 5 6]]
import numpy as np
a=[[1],[2],[3]]
b=[[4],[5],[6]]
print(np.vstack((a,b)))
输出:
[[1]
[2]
[3]
[4]
[5]
[6]]
它是垂直(按照行顺序)的把数组给堆叠起来 v就是 vertical 垂直方向的意思。