np.stack 函数最通俗本质理解

1、先看看官方对这个函数的功能解释：

网址：https://numpy.org/doc/stable/reference/generated/numpy.stack.html?highlight=stack#numpy.stack
有三个参数，第一个是放入多个用来堆叠列表，第二个参数是指定沿着某个轴（0，1，2…）去堆叠元素，默认值为0，第三个是可选参数输出到某个变量里。
np.stack 要求堆叠的各个列表形状（shape属性）要相同。
看的可能并不是很明白。
这个函数的具体的堆叠细节官方有个没有解释。其实参与堆叠的各个列表会先自适应的增加一个维度，再在指定的0，1，2。。。上去堆叠。

2、下面给个例子解释一下：

在这之前说明下二维列表/数组形状为（3，2）。第0维表示行，值为3即有3行，第1维表示列，值为2即有2列。总的来说二维列表第一个维度都是表示行，第二个维度表示列。在这里经常有个易错点，当一个列表shape形状为（1，3，2 ) 会有人根据2维列表的情况误以为第0维还表示行。其实这种情况下第0维表示通道，值为1有1个通道；第1维才表示行，值为3有3行；第2维表示列，值为2有2列。

#这里a的shape为一维（3，），若进行a,b的堆叠，a会先自动增加一个维度形状变为（1，3）。b也同样。
a = np.array([1, 2, 3])
b = np.array([2, 3, 4])

#则a在进行堆叠前a的shape为（1，3）b也是。axis=0，则在a，b的行上进行堆叠
print(np.stack((a, b), axis=0))#在列上进行堆叠
'''
输出结果：
[[1 2 3]
 [2 3 4]]
 '''
print(np.stack((a, b), axis=1))#在列上进行堆叠
'''
输出结果：
[[1 2]
 [2 3]
 [3 4]] 
 '''

#a,b的shape形状为（3，3）
a = np.array([[1, 2, 3], [1, 2, 3], [1, 2, 3]])
b = np.array([[4, 5, 6], [4, 5, 6], [4, 5, 6]])
#执行stack操作前，a，b的shape自动变成（1，3，3）
#a,b分别可以再0，1，2维度上进行堆叠。对于3维变量，0维可解释通道，1维解释为行，2维解释为列
print(np.stack((a, b), axis=0))#第0维（通道）上堆叠
'''
输出结果：
[[[1 2 3]
  [1 2 3]
  [1 2 3]]
 [[4 5 6]
  [4 5 6]
  [4 5 6]]] 
 '''
 print(np.stack((a, b), axis=1))#第1维（行）上堆叠
'''
输出结果：
[[[1 2 3]
  [4 5 6]]
 [[1 2 3]
  [4 5 6]]
 [[1 2 3]
  [4 5 6]]]
 '''
  print(np.stack((a, b), axis=2))#第2维（列）上堆叠
'''
输出结果：
[[[1 4]
  [2 5]
  [3 6]]

 [[1 4]
  [2 5]
  [3 6]]

 [[1 4]
  [2 5]
  [3 6]]]
 '''