numpy基础-堆叠数组函数总结

numpy常用堆叠数组函数

在做图像和nlp数组数据处理的时候，经常要实现两个数组堆叠或者连接的功能，这经常用numpy库的一些函数实现，常用于堆叠数组的numy函数如下：

• stack : Join a sequence of arrays along a new axis.

• hstack: Stack arrays in sequence horizontally (column wise).

• vstack : Stack arrays in sequence vertically (row wise).

• dstack : Stack arrays in sequence depth wise (along third axis).

• concatenate : Join a sequence of arrays along an existing axis.

stack()函数

stack()函数原型是stack(arrays, axis=0, out=None)，功能是沿着给定轴连接数组序列，轴默认为第０维。

参数解析：

arrays: 类似数组（数组、列表）的序列，这里的每个数组必须有相同的shape。

axis: 默认为整形数据，axis决定了沿着哪个维度stack输入数组。

返回：

stacked : ndarray

The stacked array has one more dimension than the input arrays.

实例如下：

import numpy as np
# 一维数组进行stack
a1 = np.array([1, 3, 4])    # shape (3,)
b1 = np.array([4, 6, 7])    # shape (3,)
c1 = np.stack((a,b))
print(c1)
print(c1.shape)    # (2,3)
# 二维数组进行堆叠
a2 = np.array([[1, 3, 5], [5, 6, 9]])    # shape (2,3)
b2 = np.array([[1, 3, 5], [5, 6, 9]])    # shape (2,3)
c2 = np.stack((a2, b2), axis=0)
print(c2)
print(c2.shape)

输出为：

[[1 3 4]

[4 6 7]]

(2, 3)

[[[1 3 5]

[5 6 9]]

[[1 3 5]

[5 6 9]]]

(2, 2, 3)

可以看到，进行stack的两个数组必须有相同的形状，同时，输出的结果的维度是比输入的数组都要多一维的。我们拿第一个例子来举例，两个含3个数的一维数组在第0维进行堆叠，其过程等价于先给两个数组增加一个第0维，变为1*3的数组，再在第0维进行concatenate()操作：

a = np.array([1, 3, 4])
b = np.array([4, 6, 7])
a = a[np.newaxis,:]
b = b[np.newaxis,:]
np.concatenate([a,b],axis=0)

输出为：

array([[1, 2, 3],

[2, 3, 4]])

vstack()函数

vstack函数原型是vstack(tup)，功能是垂直的（按照行顺序）堆叠序列中的数组。tup是数组序列(元组、列表、数组)，数组必须在所有轴上具有相同的shape，除了第一个轴。1-D arrays must have the same length.

# 一维数组
a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
np.vstack((a,b))

array([[1, 2, 3],

[2, 3, 4]])

# 二维数组
a = np.array([[1], [2], [3]])
b = np.array([[2], [3], [4]])
np.vstack((a,b))

array([[1],

[2],

[3],

[2],

[3],

[4]])

hstack()函数

hstack()的函数原型：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。它其实就是**水平(按列顺序)**把数组给堆叠起来，与vstack()函数正好相反。举几个简单的例子：

# 一维数组
a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
np.hstack((a,b))

array([1, 2, 3, 2, 3, 4])

# 二维数组
a = np.array([[1], [2], [3]])
b = np.array([[2], [3], [4]])
np.hstack((a,b))

array([[1, 2],

[2, 3],

[3, 4]])

vstack()和hstack函数对比：

这里的v是vertically的缩写，代表垂直（沿着行）堆叠数组，这里的h是horizontally的缩写，代表水平（沿着列）堆叠数组。

tup是数组序列(元组、列表、数组)，数组必须在所有轴上具有相同的shape，除了第一个轴。

np.concatenate() 函数

concatenate()函数功能齐全，理论上可以实现上面三个函数的功能，concatenate()函数根据指定的维度，对一个元组、列表中的list或者ndarray进行连接，函数原型：

numpy.concatenate((a1, a2, ...), axis=0)

a = np.array([[1, 2], [3，4]])　　　　　　　　　　　　　　　
b = np.array([[5, 6], [7, 8]])
# a、b的shape为（2,2），连接第一维就变成（4,2），连接第二维就变成（2,4）
np.concatenate((a, b), axis=0)

array([[1, 2],

[3, 4],

[5, 6],

[7, 8]])

注意：axis指定的维度（即拼接的维度）可以是不同的，但是axis之外的维度（其他维度）的长度必须是相同的。注意 concatenate 函数使用最广，必须在项目中熟练掌握。

参考资料

numpy中的hstack()、vstack()、stack()、concatenate()函数详解