原来python中多维数组的拼接这么简单

        今天讲解一下Python中多维数组拼接的问题，即对于3维，4维和更高维度的张量（也可以叫多维数组，在计算机这里没有太大区别），他们在拼接时每个维度是怎么对应的，结果如何，有没有什么规律。

        首先我们看看2维向量是怎样的

1. 第一步，我们创建2个维向量并查看其形状

2.第二步，在第一个维度拼接

        可以看到第一个维度变成了2+2=4，且就是在行方向进行堆叠

3.第三步，在第二个维度拼接

         可以看到，第二个维度变成了3+3=6，且就是在列方向进行增加。

        到这里我们可以发现2维向量就是行和列的拼接，很好理解。

              然后我们以3维张量举例。

1.第一步，我们创建2个3维向量并查看其形状

# 创建2个3维张量
x = torch.arange(12, dtype=torch.float32).reshape((2,2,3))
y = torch.tensor([[[1,2,3,],[4,5,6,]],[[7,8,9],[10,11,12]]])
x, y

# 查看他们的形状
print(x.shape, y.shape)

 可以发现形状都是一样的，按照我之前文章的讲解，都是2个2维张量，每个2维张量有2个1维张量，每个1维张量中有3个数值。

2.第二步我们对这两个向量在第一个维度上进行拼接并查看其形状。

# 从第一个维度进行拼接
torch.cat((x, y), dim=0)

# 第一个维度拼接后的形状
torch.cat((x, y), dim=0).shape

可以发现，拼接后得到的新的张量的第一个维度变成了2+2=4了！后面两个维度没有发生变化，这也就说明这一新的张量是由4个2维向量组成，每个2维向量中有2个1维向量，每个1维向量中有3个元素。

看到这里已经可以发现其中的确是存在一些规律的，下面我们对从另外2个维度进行拼接看看。

3.第三步，对两个向量在第2个维度进行拼接并查看形状

# 从第二个维度进行拼接
torch.cat((x, y), dim=1)

# 第二个维度拼接后的形状
torch.cat((x, y), dim=1).shape

 可以看到，第二个维度的值变成了2+2=4！说明这一新的张量是由2个2维向量组成，每个2维向量中有4个1维向量，每个1维向量中有3个元素。此外，我们还发现，这其实和2维向量拼接时一样的，即一行一行的堆叠起来。

4.第四步，对两个向量在第3个维度进行拼接并查看形状

# 从第三个维度进行拼接
torch.cat((x, y), dim=2)

# 第三个维度拼接后的形状
torch.cat((x, y), dim=2).shape

  可以看到，第三个维度的值变成了3+3=6！说明这一新的张量是由2个2维向量组成，每个2维向量中有4个1维向量，每个1维向量中有6个元素。此外，我们还发现，这其实和2维向量拼接时一样的，即一列一列的堆叠起来。

        到这里我们就可以进行规律的总结了

1.对于2维向量，第一个维度是行，第二个维度是列

2.对于3维向量，第一个维度的拼接就是增加2维向量的个数，第二个维度的拼接就是增加1维向量的个数，而第三个维度的拼接就是增加1维向量中数值的个数。

3.对于4维向量，第一个维度的拼接就是增加3维向量的个数，第二个维度的拼接就是增加2维向量的个数，第三个维度的拼接就是增加1维向量的个数，而第四个维度的拼接就是增加1维向量中数值的个数。

4.再往下增加维度就是不断地套娃了，但是有个规律是不变的，就是最后两个维度始终是行和列。前面再多的维度，都只是增加比它低一维度的向量的个数（5维向量在第1个维度拼接是增加4维向量的个数，在第2个维度拼接是增加3维向量的个数······）

5.所以，只需要搞清楚最后2个维度，即行和列即可