Contents
- 1 numpy常用堆叠数组函数
- 2 stack()函数
- 3 vstack()函数
- 4 hstack()函数
- 5 np.concatenate() 函数
- 6 参考资料
numpy常用堆叠数组函数
在做图像和nlp数组数据处理的时候，经常要实现两个数组堆叠或者连接的功能，这经常用numpy库的一些函数实现，常用于堆叠数组的numy函数如下：
- stack : Join a sequence of arrays along a new axis.
- hstack: Stack arrays in sequence horizontally (column wise).
- vstack : Stack arrays in sequence vertically (row wise).
- dstack : Stack arrays in sequence depth wise (along third axis).
- concatenate : Join a sequence of arrays along an existing axis.
stack()函数
stack()函数原型是stack(arrays, axis=0, out=None)，功能是沿着给定轴连接数组序列，轴默认为第０维。
参数解析：
arrays: 类似数组（数组、列表）的序列，这里的每个数组必须有相同的shape。 axis: 默认为整形数据，axis决定了沿着哪个维度stack输入数组。
返回：
stacked : ndarray The stacked array has one more dimension than the input arrays.
实例如下：
代码语言：javascript复制import numpy as np
# 一维数组进行stack
a1 = np.array([1, 3, 4]) # shape (3,)
b1 = np.array([4, 6, 7]) # shape (3,)
c1 = np.stack((a,b))
print(c1)
print(c1.shape) # (2,3)
# 二维数组进行堆叠
a2 = np.array([[1, 3, 5], [5, 6, 9]]) # shape (2,3)
b2 = np.array([[1, 3, 5], [5, 6, 9]]) # shape (2,3)
c2 = np.stack((a2, b2), axis=0)
print(c2)
print(c2.shape)输出为：
[[1 3 4] [4 6 7]] (2, 3) [[[1 3 5] [5 6 9]] [[1 3 5] [5 6 9]]] (2, 2, 3)
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：
代码语言：javascript复制a = np.array([1, 3, 4])
b = np.array([4, 6, 7])
a = a[np.newaxis,:]
b = b[np.newaxis,:]
np.concatenate([a,b],axis=0)输出为：
array([[1, 2, 3], [2, 3, 4]])
vstack()函数
vstack函数原型是vstack(tup)，功能是垂直的（按照行顺序）堆叠序列中的数组。tup是数组序列(元组、列表、数组)，数组必须在所有轴上具有相同的shape，除了第一个轴。1-D arrays must have the same length.
代码语言：javascript复制# 一维数组
a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
np.vstack((a,b))代码语言：javascript复制array([[1, 2, 3], [2, 3, 4]])
# 二维数组
a = np.array([[1], [2], [3]])
b = np.array([[2], [3], [4]])
np.vstack((a,b))array([[1], [2], [3], [2], [3], [4]])
hstack()函数
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：
代码语言：javascript复制# 一维数组
a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
np.hstack((a,b))代码语言：javascript复制array([1, 2, 3, 2, 3, 4])
# 二维数组
a = np.array([[1], [2], [3]])
b = np.array([[2], [3], [4]])
np.hstack((a,b))array([[1, 2], [2, 3], [3, 4]])
vstack()和hstack函数对比：
这里的v是vertically的缩写，代表垂直（沿着行）堆叠数组，这里的h是horizontally的缩写，代表水平（沿着列）堆叠数组。 tup是数组序列(元组、列表、数组)，数组必须在所有轴上具有相同的shape，除了第一个轴。
np.concatenate() 函数
concatenate()函数功能齐全，理论上可以实现上面三个函数的功能，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：
代码语言：javascript复制numpy.concatenate((a1, a2, ...), axis=0)a = np.array([[1, 2], [3，4]])
b = np.array([[5, 6], [7, 8]])
# a、b的shape为（2,2），连接第一维就变成（4,2），连接第二维就变成（2,4）
np.concatenate((a, b), axis=0)array([[1, 2], [3, 4], [5, 6], [7, 8]])
注意：axis指定的维度（即拼接的维度）可以是不同的，但是axis之外的维度（其他维度）的长度必须是相同的。 注意concatenate函数使用最广，必须在项目中熟练掌握。
参考资料
numpy中的hstack()、vstack()、stack()、concatenate()函数详解
