numpy.stack

numpy.stack(arrays, axis=0, out=None, *, dtype=None, casting='same_kind')

沿新轴连接数组序列.

axis 参数指定结果维度中新轴的索引.例如,如果 axis=0 ,它将是第一个维度,如果 axis=-1 ,它将是最后一个维度.

参数:

arraysndarray 序列

每个数组必须具有相同的形状.对于单个 ndarray array_like 输入,它将被视为数组序列;即,沿第零轴的每个元素都被视为一个单独的数组.

轴int, optional

结果数组中沿其堆叠输入数组的轴.

outndarray,可选

如果提供,则放置结果的目标位置.形状必须正确,与如果未指定 out 参数堆叠将返回的形状相匹配.

dtypestr 或 dtype

如果提供,目标数组将具有该 dtype.不能与 out 一起提供.

在 1.24 版本加入.

casting{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’},可选

控制可能发生的数据类型转换的种类.默认为"same_kind".

在 1.24 版本加入.

返回:

stackedndarray

堆叠数组比输入数组多一个维度.

参见

concatenate

沿现有轴连接数组序列.

block

从块的嵌套列表中组装一个 nd-array.

split

将数组分割成多个大小相等的子数组的列表.

unstack

沿轴将数组分割成子数组的元组.

示例

Try it in your browser!

>>> import numpy as np
>>> rng = np.random.default_rng()
>>> arrays = [rng.normal(size=(3,4)) for _ in range(10)]
>>> np.stack(arrays, axis=0).shape
(10, 3, 4)

>>> np.stack(arrays, axis=1).shape
(3, 10, 4)

>>> np.stack(arrays, axis=2).shape
(3, 4, 10)

>>> a = np.array([1, 2, 3])
>>> b = np.array([4, 5, 6])
>>> np.stack((a, b))
array([[1, 2, 3],
       [4, 5, 6]])

>>> np.stack((a, b), axis=-1)
array([[1, 4],
       [2, 5],
       [3, 6]])

Go BackOpen In Tab