关于np.stack/hstack/vstack/及axis的结果分析

当初

已于 2024-07-16 15:27:50 修改

阅读量509

点赞数 4

文章标签： python numpy 机器学习大数据

于 2021-03-24 20:10:35 首次发布

本文链接：https://blog.csdn.net/Dangchuz/article/details/115102542

版权

本文分析了numpy中的np.stack、hstack和vstack函数在处理矩阵时的不同行为，以及如何根据axis参数改变堆叠方式。通过实例展示了水平堆叠（hstack）和垂直堆叠（vstack）的操作，以及np.stack在不同axis值下如何沿新轴合并矩阵。总结了记忆这些操作的方法，强调了axis参数对结果的影响。

摘要由CSDN通过智能技术生成

1、首先生成三个2×3矩阵a、b、c

2、对矩阵a、b、c进行如下操作，分别得到d、e、f、g、h
对它们分别进行这些操作
3、分别进行分析：
3.1 np.hstack((a,b,c))：水平堆叠序列中的数组（列方向）
将a,b,c三个矩阵横向连接起来，即每个矩阵的第i行直接拼成新矩阵的i行，所以生成的新矩阵行数与原矩阵相同，列数是原矩阵的列数之和。在这里插入图片描述
3.2 np.vstack((a,b,c)):竖直堆叠序列中的数组（行方向）
将a,b,c三个矩阵竖向连接起来，即每个矩阵的第i列直接拼接成新矩阵的第i列，所以生成的新矩阵列数与原矩阵相同，行数是原矩阵的行数之和。

3.3 np.stack((a,b,c)，axis=0): 沿着新的轴加入一系列数组。
沿着最外层轴进行合并，将里面1轴，二轴的数据作为整体进行对应位置的合并
在这里插入图片描述

3.4 np.stack((a,b,c)，axis=1)：根据内层的1轴数据进行叠加合并
在这里插入图片描述

3.5 np.stack((a,b,c)，axis=2)根据内层的2轴数据进行叠加合并
在这里插入图片描述
4、记忆方式：
按照老师上课时讲过的数方括号[]的思路方向看的话，可以大致这样记忆，axis=0时，去掉0个方括号，进行堆叠，此时三个矩阵仍然是三个独立的矩阵，故无变化；axis=1时，去掉1个方括号，则矩阵被拆分成列向量，进行从三个矩阵中抽出第i行进行堆叠，原矩阵的个数与新矩阵的行数相等，原矩阵的行数与新矩阵的个数相等；axis=2时，去掉两个方括号，则矩阵被拆分成若干独立的数字，再进行组合成新的矩阵，原矩阵的个数与新矩阵的列数相等，原矩阵的列数与新矩阵的行数相等。而且axis=1和axis=2分别生成的矩阵是彼此的转置。