【Numpy 学习记录】np.stack 和 np.concatenate

np.stack 和 np.concatenate两个函数都是用来连接数组的, 但是他们之间还是有一些探讨之处,直接上代码,一看便知:

 

import numpy as np

a = np.zeros(12).reshape(4,3,)
b = np.arange(12).reshape(4,3)

# for np.stack:all input arrays must have the same shape
print(np.hstack((a, b)).shape)  # (4, 6)
print(np.vstack((a, b)).shape)  # (8, 3)
print(np.dstack((a, b)).shape)  # (4, 3, 2)

print(np.stack((a, b), axis=0).shape)  # (2, 4, 3)
print(np.stack((a, b), axis=1).shape)  # (4, 2, 3)
print(np.stack((a, b), axis=2).shape)  # (4, 3, 2)

a = np.zeros(12).reshape(2,3, 2)
b = np.arange(6).reshape(2,3, 1)
print(np.concatenate((a, b), axis=2).shape)  # (2, 3, 3)
# print(np.stack((a, b), axis=2).shape)  # error
print(np.dstack((a, b)).shape)  # (2, 3, 3)

 

  • 3
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值