np.concatenate以及dstack中的维度与深度问题

笔者最近在研究一篇代码的时候对于numpy中的concatenate函数和dstack函数产生了较多的疑惑，查看了很多相关的文章，但是感觉很多没有说清楚维度的变化，在此笔者说一下自己的见解。

当我们对三维数组使用.shape函数时，对于结果（a,b,c），有人解释为该三维数组是由a个 b行c列的二维数组组合而成（但是由np.concatenate函数而言，若axis = 2时，函数是在.shape中的第三个维度进行拼接，那么按照这个意思，是为在列上进行拼接吗？）

我们使用dstack函数在deep（深度）上拼接，例：

两个2*3的二维数组m,n

m:

[  [1,2,3]

   [3,4,5]  ]

n:

[  [5,6,7]

   [7,8,9]  ]

w = np.dstack([m,n]):

w:

[  [  [1,5]

      [2,6]

      [3,7]  ]

   [  [3,7]

      [4,8]

      [5,9]  ]  ]

最后生成的w.shape = （2,3,2）

按照上面所说的理论，w.shape的意思很显然是2个3行2列的二维数组，直观看上去也确实如此，但是按照这个说法，原有的2*3的数组形状就发生了变化，仿佛并不是在“深度”层次进行的拼接，让人实在摸不着头脑。

实际上，（2,3,2）当中，最后一个“2”才是代表了深度。也就是说，这个（2,3,2）还是由2个2行3列的数组组成。

可以解释为

c[ : , : , 0 ]:

[  [1,2,3]

   [3,4,5]  ]

c[ : , : , 1 ]:

[  [5,6,7]

   [7,8,9]  ]

如此理解，则拼接确实是沿着深度（deep）轴进行拼接的，则对于np.concatenate函数而言，axis = 2时，函数确实是在.shape中的第三个维度进行拼接的。