形象理解numpy.stack() / np.stack

感觉好多教程都是举例子让自己理解，没有说清楚。本文将直观地解释stack堆叠方法。

---

变量，如代码所示：

import numpy as np
a = np.array([[1,2],[3,4],[5,6]])
b = np.array([[10,20],[30,40],[50,60]])

c = np.stack([a,b], axis = 0)
d = np.stack([a,b], axis = 1)
e = np.stack([a,b], axis = 2)

a和b的形状都是（3, 2），其维度的直观理解如下图所示（图中颜色框内的数字为索引序号）：

stack堆叠起来，意味着原来的两维变成三维。“三维”也就是说堆叠的方式有三种：

• 0维上堆叠，在新变量的0维上区分a，b，即把a，b直接作为新变量0维的元素并列起来。
  

• 1维上堆叠，在新变量的1维上区分a，b。
  

• 2维上堆叠，在新变量的2维上区分a，b。
  

根据以上说明，很容易知道：n个变量在x维堆叠（axis=x），则堆叠产生的新变量的第x维的维数为n；或者说，新变量的shape值为原shape值在第x位插入数字n。