numpy.stack#

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

沿新轴连接一系列数组。

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:
arraysndarrays 序列

每个数组必须具有相同的形状。如果输入是单个类 ndarray 数组，它将被视为一系列数组；即，沿着第零轴的每个元素都被视为一个单独的数组。

axisint, 可选

输入数组沿其堆叠的结果数组中的轴。

outndarray, 可选

如果提供，则为放置结果的目标。形状必须正确，与未指定 out 参数时 stack 返回的形状匹配。

dtypestr 或 dtype

如果提供，目标数组将具有此 dtype。不能与 out 同时提供。

1.24 版本新增。

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

控制可能发生的数据类型转换。默认为 ‘same_kind’。

1.24 版本新增。

返回:
stackedndarray

堆叠后的数组比输入数组多一个维度。

另请参阅

concatenate

沿现有轴连接一系列数组。

block

从块的嵌套列表组装 nd 数组。

split

将数组分成多个大小相等的子数组列表。

unstack

沿轴将数组拆分为子数组元组。

示例

>>> 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]])
在此页上