numpy中hstack vstack stack concatenate函数示例详解
大纲本文主要介绍一下numpy中的几个常用函数，包括hstack()、vstack()、stack()、concatenate()。
1、concatenate()
我们先来介绍最全能的concatenate()函数，后面的几个函数其实都可以用concatenate()函数来进行等价操作。
concatenate()函数根据指定的维度，对一个元组、列表中的list或者ndarray进行连接，函数原型：
numpy.concatenate((a1, a2, ...), axis=0)先来看几个例子，一个2*2的数组和一个1*2的数组，在第0维进行拼接，得到一个3*2的数组：
a = np.array([, ])
b = np.array([])
np.concatenate((a, b), axis=0)输出为：
array([,
,
])进一步，一个2*2的数组和一个2*1的数组，在第01维进行拼接，得到一个2*3的数组：
np.concatenate((a, b.T), axis=1)输出为：
array([,
])上面两个简单的例子中，拼接的维度的长度是不同的，但是其他维度的长度必须是相同的，这也是使用concatenate()函数的一个基本原则，违背此规则就会报错，例如一个2*2的数组和一个1*2的数组，在第1维进行拼接：
np.concatenate((a, b), axis=1)上面的代码会报错：
ValueError: all the input array dimensions except for the concatenation axis must match exactly
2、stack()
stack()函数的原型是numpy.stack(arrays, axis=0)，即将一堆数组的数据按照指定的维度进行堆叠。
我们先看两个简单的例子：
a = np.array()
b = np.array()
np.stack(,axis=0)输出为：
array([,
])进一步：
np.stack(,axis=1)输出为：
array([,
,
])如果换作是二维数组：
a = np.array([])
b = np.array([])
np.stack(,axis=0)输出为:
array([[],
[]])可以看到，进行stack的两个数组必须有相同的形状，同时，输出的结果的维度是比输入的数组都要多一维的。我们拿第一个例子来举例，两个含3个数的一维数组在第0维进行堆叠，其过程等价于先给两个数组增加一个第0维，变为1*3的数组，再在第0维进行concatenate()操作：
a = np.array()
b = np.array()
a = a
b = b
np.concatenate(,axis=0)输出为：
array([,
])
3、vstack()
vstack()的函数原型：vstack(tup) ，参数tup可以是元组，列表，或者numpy数组，返回结果为numpy的数组。它是垂直（按照行顺序）的把数组给堆叠起来。
举两个简单的例子：
a = np.array()
b = np.array()
np.vstack()输出为：
array([,
])进一步：
a=[,,]
b=[,,]
np.vstack()输出为：
array([,
,
,
,
,
])如果进行vstack的数组至少有两维，那么相当于np.concatenate(,axis=0)，我们通过例子进行对比：
a=[,,]
b=[,,]
np.concatenate(,axis=0)输出为：
array([,
,
,
,
,
])可以看到，跟刚才的结果是一致的，但是如果进行堆叠的两个数组只有一维，那么结果是不同的：
a = np.array()
b = np.array()
np.concatenate(,axis=0)上面得到的结果为：
array()
4、hstack()
hstack()的函数原型：hstack(tup) ，参数tup可以是元组，列表，或者numpy数组，返回结果为numpy的数组。它其实就是水平(按列顺序)把数组给堆叠起来，与vstack()函数正好相反。举几个简单的例子：
a = np.array()
b = np.array()
np.hstack()输出为：
array()进一步，对于二维数组的情形：
a=[,,]
b=[,,]
np.hstack()输出为：
array([,
,
])如果进行hstack的数组至少有两维，那么相当于np.concatenate(,axis=1)
a=[,,]
b=[,,]
np.concatenate(,axis=1)输出跟刚才的结果是一致的
array([,
,
])只有一维的情况下，并不等价于np.concatenate(,axis=1)，反而等价于np.concatenate(,axis=0)。
5、tf中的stack()
tensorflow中也提供了stack函数，跟numpy中的stack函数的作用是一样的，我们通过例子来体会：
import tensorflow as tf
a = tf.convert_to_tensor()
b = tf.convert_to_tensor()
stack_ab = tf.stack()
a1 = tf.expand_dims(a,axis=0)
b1 = tf.expand_dims(b,axis=0)
concat_ab = tf.concat(,axis=0)
with tf.Session() as sess:
print(sess.run(stack_ab))
print(sess.run(concat_ab))输出为：
[
]
[
]以上就是numpy中hstack vstack stack concatenate函数示例详解的详细内容，更多关于numpy函数示例的资料请关注脚本之家其它相关文章！
来源:https://www.jb51.net/article/276278.htm
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]