关于np.stack函数

在Python中，经常会用到关于数组的堆叠，如np.stack函数就是一个用于numpy数组堆叠的函数，关于该函数的用法，大都是给出了示例，而没有分析其中原理，下面会举例关于np.stack函数的用法，示例和原理。

np.stack函数的调用方式：

import numpy as np
np.stack(arrays,axis)

下面给出一个具体的示例如下：

a = np.array([[1,2,3,4], [5,6,7,8]])
b = np.array([[2,2,1,4], [3,5,7,8]])
c = np.array([[5,7,7,3], [6,6,2,8]])
arrays = np.asarray([a, b , c])

a
Out[51]: 
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])

b
Out[58]: 
array([[2, 2, 1, 4],
       [3, 5, 7, 8]])

c
Out[65]: 
array([[5, 7, 7, 3],
       [6, 6, 2, 8]])

arrays
Out[61]: 
array([[[1, 2, 3, 4],
        [5, 6, 7, 8]],
       [[2, 2, 1, 4],
        [3, 5, 7, 8]],
       [[5, 7, 7, 3],
        [6, 6, 2, 8]]])

np.stack(arrays, axis=0)
Out[62]: 
array([[[1, 2, 3, 4],
        [5, 6, 7, 8]],
       [[2, 2, 1, 4],
        [3, 5, 7, 8]],
       [[5, 7, 7, 3],
        [6, 6, 2, 8]]])

np.stack(arrays, axis=1)
Out[63]: 
array([[[1, 2, 3, 4],
        [2, 2, 1, 4],
        [5, 7, 7, 3]],
       [[5, 6, 7, 8],
        [3, 5, 7, 8],
        [6, 6, 2, 8]]])

np.stack(arrays, axis=2)
Out[64]: 
array([[[1, 2, 5],
        [2, 2, 7],
        [3, 1, 7],
        [4, 4, 3]],
       [[5, 3, 6],
        [6, 5, 6],
        [7, 7, 2],
        [8, 8, 8]]])

下面分析一下其中原理。

arrays.shape
Out[66]: (3, 2, 4)

arrays[0]       #axis=0
Out[67]: 
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])

arrays[0][0]    #axis=1
Out[68]: array([1, 2, 3, 4])

arrays[0][0][0] #axis=2
Out[69]: 1

从arrays.shape可以看出arrays有三个轴，即axis=0, 1, 2。当axis=0时表示最外层的中括号，三个轴则最外层有三个中括号。axis=0则表示将向内一层的内容看做一个整体，比如示例中arrays[0]的值，axis=1在在axis=0的基础上再取更内一层的内容，层层向内解包，最后进入axis=2，则直接取得元素的值，如arrays[0][0][0]。

由以上的理论可知，np.stack(arrays, axis=0)则表示取出每个二维数组（最外层有两个中括号）相应的索引对应的数组进行堆叠，这里np.stack(arrays, axis=0)则表示arrays[0], arrays[1], arrays[2]进行堆叠，所以结果与原始数组一样。

np.stack(arrays, axis=1)则表示arrays[0][0], arrays[1][0]和arrays[2][0]进行堆叠，然后是arrays[0][1]，arrays[1][1]与arrays[2][1]进行堆叠。

np.stack(arrays, axis=2)则表示arrays[0][0][0]，arrays[1][0][0]和arrays[2][0][0]进行堆叠，然后是arrays[0][0][1]，arrays[1][0][1]与arrays[2][0][1]进行堆叠，接着为arrays[0][0][2]，arrays[1][0][2]与arrays[2][0][2]进行堆叠......