python中numpy的stack、vstack、hstack、concatenate

np.stack

在某一维度上进行堆叠
axis=0 则和原来的array相同
axis=1

arrays = [[1,2,3,4], [5,6,7,8]]
arrays=np.array(arrays)
np.stack(arrays, axis=1)

结果如下

array([[1, 5],
[2, 6],
[3, 7],
[4, 8]])

把哪个维度上的数据打包当成一个整体，然后堆叠起来

np.concatenate

np.concatenate((a1,a2,a3,…), axis=0)，这个函数就是按照特定方向轴进行拼接，默认是第一维

>>> a = np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])
>>> b = np.array([[[1,2,3],[4,5,6]]])
>>> np.concatenate((a, b), axis=0)

array([[[1, 2, 3],
        [4, 5, 6]],
 
       [[1, 2, 3],
        [4, 5, 6]],
 
       [[1, 2, 3],
        [4, 5, 6]]])

这里a的shape为（2，2，3），b的shape为（1，2，3），axis=0则要求a,b在其他两维的形状是一致的，如果直接在其他维度进行concatenate操作则会报错（因为axis=1时，a和b在第一维的长度不一致）：

np.hstack

按照列的方向堆叠， 可以是元组，列表，或者numpy数组, 其实也就是axis=1,即

np.vstack

np.vstack(tup), 按照行的方向堆叠， tup可以是元组，列表，或者numpy数组, 理解起来与上相同

np.dstack

np.dstack(tup), 按照第三维方向堆叠

np.column_stack和np.row_stack

np.column_stack函数将一维的数组堆叠为二维数组，方向为列，相当于np.hstack

np.row_stack函数将一维的数组堆叠为二维数组，方向为行,相当于np,vstack

原文https://blog.csdn.net/qq_26414307/article/details/79317965