np.stack numpy的stack函数

np.stack numpy的stack函数

2维数组和3维数组的stack操作是有所区别的:

两个2维数组的stack操作:

import numpy as np

array_A = np.array([[1,2],[3,4]])
print(f"array_A为:{array_A}")
print(f"array_A的维度为:{array_A.shape}")

array_B = np.array([[5,6],[7,8]])
print(f"array_B为:{array_A}")
print(f"array_B的维度为:{array_A.shape}")

stacked_1 = np.stack([array_A, array_B], axis=1)
print(f"stacked_1为:{stacked_1}")
print(f"stacked_1的维度为:{stacked_1.shape}")

stacked_0 = np.stack([array_A, array_B], axis=0)
print(f"stacked_0为:{stacked_0}")
print(f"stacked_0的维度为:{stacked_0.shape}")

输出结果:
array_A为:[[1 2][3 4]]
array_A的维度为:(2, 2)
array_B为:[[1 2][3 4]]
array_B的维度为:(2, 2)
stacked_1为:[[[1 2][5 6]][[3 4][7 8]]]
stacked_1的维度为:(2, 2, 2)
stacked_0为:[[[1 2][3 4]][[5 6][7 8]]]
stacked_0的维度为:(2, 2, 2)

两个3维数组的stack操作:

import numpy as np

array_A = np.array([[[1,2],[3,4]]])
print(f"array_A为:{array_A}")
print(f"array_A的维度为:{array_A.shape}")

array_B = np.array([[[5,6],[7,8]]])
print(f"array_B为:{array_A}")
print(f"array_B的维度为:{array_A.shape}")

stacked_1 = np.stack([array_A, array_B], axis=1)
print(f"stacked_1为:{stacked_1}")
print(f"stacked_1的维度为:{stacked_1.shape}")

stacked_0 = np.stack([array_A, array_B], axis=0)
print(f"stacked_0为:{stacked_0}")
print(f"stacked_0的维度为:{stacked_0.shape}")

输出结果:
array_A为:[[[1 2][3 4]]]
array_A的维度为:(1, 2, 2)
array_B为:[[[1 2][3 4]]]
array_B的维度为:(1, 2, 2)
stacked_1为:[[[[1 2][3 4]][[5 6][7 8]]]]
stacked_1的维度为:(1, 2, 2, 2)
stacked_0为:[[[[1 2][3 4]]][[[5 6][7 8]]]]
stacked_0的维度为:(2, 1, 2, 2)
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值