numpy中的stack,vstack与hstack新解

numpy中的stack,vstack与hstack新解

查了一下，发现网上好多人的解释都不对，很多人打算用数组“打包”等过程来解释stack函数操作过程，要么举的例子太简单没有代表性，要么举的例子太复杂，看得人头疼。
其实，没有必要去了解这个函数是怎么操作数组的，按照官方的文档来看，对于这个函数，大家只需要了解两点即可，不必弄得太清楚明白:

1. 这个函数是用来堆叠数组的；
2. 这个函数所返回的数组的形状

第一点不必多言，关于第二点，官方文档给出的答案是：
返回的数组比原来的数组多一维。
但关键的问题是，多的那一维是加到了第几维？假设有S个MN的数组进行堆叠，那堆叠之后的数组到底是是SMN，MSN还是MNS呢？其实呢，这就是参数axis的作用。axis=0，那堆叠后的数组形状是SMN，如果axis=1，堆叠后的形状将是MS*N。依此类推。

关于参数axis的解释，官方文档其实有点难懂，但是它说的的确很准确，它可以用如下例子解释：
比如有10个形状为(4,3)的矩阵

arrays = [np.random.randn(3, 4) for _ in range(