NumPy - 堆叠数组

堆叠 NumPy 数组

NumPy 中的堆叠数组是指沿新维度组合多个数组，从而创建更高维度的数组。这与串联不同，串联是沿现有轴组合数组，而不添加新维度。

NumPy 提供了多个函数来实现堆叠。它们如下:

• 使用 numpy.stack() 函数
• 使用 numpy.vstack() 函数
• 使用 numpy.hstack() 函数
• 使用 numpy.dstack() 函数
• 使用 numpy.column_stack() 函数

使用 stack() 函数堆叠数组

我们可以使用 NumPy 中的 stack() 函数沿新轴堆叠一系列数组，从而在结果中创建一个新的维度。

与沿现有轴组合数组的 numpy.concatenate() 函数不同，numpy.stack() 函数会在堆叠数组的指定位置添加一个新轴。

以下是 stack() 函数的语法NumPy −

np.stack(arrays, axis=0)

其中，

• arrays − 需要堆叠的数组序列。

• axis − 堆叠数组所沿的轴。默认值为 0，表示添加新的第一轴。

示例:堆叠一维数组

在下面的示例中，我们使用 numpy.stack() 函数沿新轴(轴 0)堆叠三个一维数组，得到一个二维数组 -

import numpy as np

# 数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr3 = np.array([7, 8, 9])

# 沿新轴堆叠数组
stacked_arr = np.stack((arr1, arr2, arr3), axis=0)
print("沿新轴堆叠的数组新轴(轴 0):")
print(stacked_arr)

以下是获得的输出 −

沿新轴(轴 0)堆叠的数组:
[[1 2 3]
[4 5 6]
[7 8 9]]

示例:更改轴

numpy.stack() 函数中的 "axis" 参数决定新轴的插入位置。通过更改轴的值，您可以控制数组的堆叠方式 -

import numpy as np

# 数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr3 = np.array([7, 8, 9])

# 沿轴 1 堆叠数组
stacked_arr = np.stack((arr1, arr2, arr3), axis=1)
print("沿轴 1 堆叠的数组:")
print(stacked_arr)

这将产生以下结果 -

沿轴 1 堆叠的数组:
[[1 4 7]
[2 5 8]
[3 6 9]]

示例:堆叠多维数组

numpy.stack() 函数也可用于堆叠多维数组。该函数会为高维数组添加一个新轴，并相应地堆叠它们。

在这里，我们堆叠了两个二维数组 -

import numpy as np

# 二维数组
arr1 = np.array([[1, 2],
        [3, 4]])

arr2 = np.array([[5, 6],
        [7, 8]])

# 沿新轴堆叠数组
stacked_arr = np.stack((arr1, arr2), axis=0)
print("沿新轴(轴 0)堆叠的二维数组:")
print(stacked_arr)

以下是上述代码的输出 -

沿新轴(轴 0)堆叠的二维数组:
[[[1 2]
[3 4]]
[[5 6]
[7 8]]]

使用 column_stack() 堆叠数组函数

NumPy 中的 numpy.column_stack() 函数用于将一维数组按列堆叠成二维数组，或按列堆叠二维数组。此函数提供了一种沿第二个轴 (axis=1) 组合数组的方法，从而有效地增加了结果数组的列数。

语法如下:

np.column_stack(tup)

其中，tup 是要堆叠的数组的元组。数组可以是一维数组，也可以是二维数组，但行数必须相同。

示例:将一维数组堆叠为列

在下面的示例中，我们使用 NumPy 的 column_stack() 函数将两个一维数组作为列堆叠成一个二维数组 -

import numpy as np

# 一维数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])

# 列堆叠一维数组
stacked_arr_1d = np.column_stack((arr1, arr2))

print("堆叠的一维数组作为二维数组array:")
print(stacked_arr_1d)

我们得到如下所示的输出 -

堆叠的一维数组转换为二维数组:
[[1 4]
[2 5]
[3 6]]

示例:按列堆叠二维数组

在这里，我们使用 NumPy 的 column_stack() 函数按列堆叠两个二维数组 -

import numpy as np
# 二维数组
arr3 = np.array([[1, 2],
        [3, 4]])
arr4 = np.array([[5, 6],
        [7, 8]])

# 列堆叠二维数组
stacked_arr_2d = np.column_stack((arr3, arr4))

print("按列堆叠的二维数组:")
print(stacked_arr_2d)

以下是得到的输出 -

按列堆叠的二维数组:
[[1 2 5 6]
 [3 4 7 8]]

垂直堆叠

我们也可以使用 NumPy 中的 vstack() 函数垂直(按行)堆叠数组。这相当于使用带有"axis=0"的 numpy.concatenate() 函数，其中数组沿第一个轴连接。

这将导致行数增加的数组，并按行合并多个数组。语法如下:

numpy.vstack(tup)

其中，tup 是要垂直堆叠的数组元组。所有数组的列数必须相同。

示例

在下面的示例中，我们使用 NumPy 的 vstack() 函数垂直堆叠两个数组 -

import numpy as np

# 数组
arr1 = np.array([[1, 2, 3],
                 [4, 5, 6]])

arr2 = np.array([[7, 8, 9],
                 [10, 11, 12]])

# 垂直堆叠数组
stacked_arr = np.vstack((arr1, arr2))

print("垂直堆叠数组:")
print(stacked_arr)

输出结果如下 -

垂直堆叠数组:
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]

水平堆叠

我们可以使用 NumPy 中的 hstack() 函数水平(按列)堆叠数组。它相当于使用带有"axis=1"的 numpy.concatenate() 函数，其中数组沿二维数组的第二个轴连接。

这将导致数组的列数增加，并按列合并多个数组。语法如下:

numpy.hstack(tup)

其中，tup 是要水平堆叠的数组元组。所有数组的行数必须相同。

示例

在下面的示例中，我们使用 NumPy hstack() 函数水平堆叠两个数组:

import numpy as np

# 数组
arr1 = np.array([[1, 2],
                 [3, 4]])

arr2 = np.array([[5, 6],
                 [7, 8]])

# 水平堆叠数组
stacked_arr = np.hstack((arr1, arr2))

print("水平堆叠数组:")
print(stacked_arr)

执行上述代码后，我们得到以下输出 -

水平堆叠数组:
[[1 2 5 6]
[3 4 7 8]]

深度堆叠

numpy.dstack() 函数用于沿第三维度(也称为深度维度)堆叠数组。这会按深度组合数组，从而有效地在结果数组中创建一个新的维度。

当您想要将多个二维数组组合成一个三维数组时，它特别有用。语法如下:-

np.dstack(tup)

其中，tup 是要沿第三维堆叠的数组元组。所有数组的前两个维度必须具有相同的形状。

示例

在此示例中，我们使用 NumPy dstack() 函数沿第三维堆叠两个数组:-

import numpy as np

# 数组
arr1 = np.array([[1, 2],
                 [3, 4]])

arr2 = np.array([[5, 6],
                 [7, 8]])

# 沿第三维堆叠数组
stacked_arr = np.dstack((arr1, arr2))

print("深度堆叠数组:")
print(stacked_arr)

结果如下 −

深度堆叠数组:
[[[1 5]
  [2 6]]
[[3 7]
  [4 8]]]