np.stack(array, axis)官方对axis参数的解释——解决所有axis参数问题

np.stack(array, axis)

背景

在python很多与numpy相关的库和深度学习框架中，经常会涉及到axis这个参数，也有很多博主根据自己的实验结果，给出了一个规律，但因为我们找到的规律太过复杂，不方记忆，也不方便使用。所以本文以np.stack()函数为例，去讲解axis这个参数的官方解释。

API

numpy.stack(array, axis=0)， stack堆叠的意思
为了方便理解，我们先注意该函数的返回值：

return: 返回一个array数组，返回数组的维度比堆叠的单个数组维度多一维！且多的那一个维度为堆叠array的个数！例如要堆叠的数组是二维，shape为（5，4），要堆叠的数组个数为3个，那么返回的结果一定是三维，且结果一定是（3，5，4），（5，3，4），（5，4，3）中的一个。可以注意到结果为3插在不同的位置。这个位置也正是我们下面要说的axis参数的真正含义！

Parameters:

array：一个array的集合，要求集合中的每一个数组的shape必须是相同的

axis: 该参数规定了在结果返回的array中，多的那一个维度（堆叠数组的数量），在结果数组中的哪一个维度。axis =0 表示在第一个维度，axis=-1表示在最后一个维度。

代码实例

# 定义三个array
a = np.zeros([5,4],dtype=np.uint8)
b = np.zeros([5,4],dtype=np.uint8)
c = np.zeros([5,4],dtype=np.uint8)

x = np.stack((a,b,c),axis=0)
x.shape
>>> output
(3, 5, 4)

np.stack((a,b,c),axis=1).shape
>>> output
(5, 3, 4)

np.stack((a,b,c),axis=-1).shape
>>> output
(5, 4, 3)

记忆说明

博主之前也一直纠结于axis与返回结果之间的具体关系（怎么堆叠），但是根据写代码的过程中，我发现按照上述shape变换的规律就可以确定参数，以满足我们大部分的要求。而不需要我们去了解具体的堆叠方法。

相关网址

numpy 官方网址np.stack()
其他博主根据结果找到的规律，如果有小伙伴依旧想找到其中的规律，可以看这个博主的文章。