np.stack()函数详解

本文分了两部分，第一部分讲讲axis参数的理解，第二部分从np.stack函数的应用来反向理解该函数究竟干了些什么。

1.np.stack()中axis参数的深入理解

看了一下大家关于np.stack()的理解，我感觉自己还是一知半解，有点蒙。自己又想把这个函数搞明白 ，于是花了一点时间终于对这个函数有了自己的理解，决定把自己的想法写下来与大家分享，希望对大家有帮助。
stack为堆叠的意思，这个函数主要有两个参数，第一个是需要堆叠的多个数组，采用列表的形式输入，例如：np.stack([arrays1,array2,array3],axis=0)。第二个参数是axis，这个参数表示从哪一个维度进行堆叠以及堆叠的内容，这个维度是相对于堆叠的数组来说的。整个函数的输出为一个新数组。
下面以三维输出为例来谈谈我的理解。
先定义3个3*4的数组用来进行堆叠，注意进行堆叠的数组形式必须一致，在这里全为3×4：

a=np.array([i for i in range(12)]).reshape(3,4)
b=np.array([i for i in range(12,24)]).reshape(3,4)
c=np.array([i for i in range(24,36)]).reshape(3,4)

其结果为：

a= [[ 0  1  2  3]
    [ 4  5  6  7]
    [ 8  9 10 11]]
b= [[12 13 14 15]
    [16 17 18 19]
    [20 21 22 23]]
c= [[24 25 26 27]
    [28 29 30 31]
    [32 33 34 35]]

来看看axis=0时，它是如何进行堆叠的：

new_array=np.stack([a,b,c],axis=0)
print(new_array)
#输出结果为：
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]

 [[24 25 26 27]
  [28 29 30 31]
  [32 33 34 35]]]

axis为0，表示它堆叠方向为第0维，堆叠的内容为数组第0维的数据。前面说了第0维是相对于堆叠的数组而言的，而这里数组的第0维其实就是整个3×4的数组（其中第1维为行，第2维为某一行中的一个值，这里有一个层层深入的感觉），所以就是以整个3×4的数组为堆叠内容在第0维上进行堆叠，等到的结果就是一个3×3×4的新数组。再通俗一点，就是将a，b，c分别作为堆叠内容进行堆叠得到3×3×4的输出。

再来看看axis=1的时候：

new_array=np.stack([a,b,c],axis=1)
print(new_array)
#输出结果为：
[[[ 0  1  2  3]
  [12 13 14 15]
  [24 25 26 27]]

 [[ 4  5  6  7]
  [16 17 18 19]
  [28 29 30 31]]
 [[ 8  9 10 11]
  [20 21 22 23]
  [32 33 34 35]]]

和刚才的解释一样，axis为1表示堆叠的方向为3×4数组的第1维（行），堆叠内容也为3×4数组的第1维的数据。而3×4的数组的第1维就是它的行，以数组a为例，它的堆叠数据分别是[0 1 2 3]，[ 4 5 6 7]，[ 8 9 10 11]。所以a，b，c三个数组在第1维上堆叠后的结果就是上面的输出结果。

当axis=2时，表示堆叠内容是3×4数组的第二维的数据（数组中某一行的某个值），堆叠方向为第二维（也就是先补全某一行）。对于数组a，第2维的第一个值为0，b为12，c为24，所这三个值组成堆叠后的新数组的一行，以此类推，最终可以得到下面的输出结果。

new_array=np.stack([a,b,c],axis=2)
print(new_array)
[[[ 0 12 24]
  [ 1 13 25]
  [ 2 14 26]
  [ 3 15 27]]

 [[ 4 16 28]
  [ 5 17 29]
  [ 6 18 30]
  [ 7 19 31]]

 [[ 8 20 32]
  [ 9 21 33]
  [10 22 34]
  [11 23 35]]]

2.np.stack()的应用

现在假设我有一个3×3×4的数组a：

[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]

 [[24 25 26 27]
  [28 29 30 31]
  [32 33 34 35]]]

另外假设：

x=a[0,:,:]
y=a[1,:,:]
z=a[2,:,:]

如果我们想用x，y，z来重新拼成数组a，就可以利用stack函数来实现：

s=np.stack([x,y,z],axis=0)
print(s)
#结果等于数组a
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]

 [[24 25 26 27]
  [28 29 30 31]
  [32 33 34 35]]]

再假设：

x=a[:,:,0]
y=a[:,:,1]
z=a[:,:,2]
r=a[:,:,3]

同样的，这里的数组a被分成了四个低维的元数组x,y,z,r。如果想用这四个元数组拼成原数组a我们可以这样做：

s=np.stack([x,y,z,r],axis=2)
print(s)
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]

 [[24 25 26 27]
  [28 29 30 31]
  [32 33 34 35]]]

希望这个思路能有助于大家更好理解。