numpy.ma.stack#

ma.stack(arrays, axis=0, out=None, *, dtype=None, casting='same_kind')[源代码]#

沿新轴连接数组序列。

axis 参数指定了结果维度中新轴的索引。例如，如果 axis=0，则它是第一个维度；如果 axis=-1，则它是最后一个维度。

参数:

arraysndarray 序列: 每个数组都必须具有相同的形状。如果输入是单个 array_like ndarray，它将被视为一个数组序列；即，沿零轴的每个元素都被视为一个单独的数组。
axisint, optional: 输入数组在结果数组中堆叠的轴。
outndarray，可选: 如果提供了此参数，则结果将放置在此处。形状必须正确，与未指定 out 参数时 stack 会返回的形状匹配。
dtypestr 或 dtype: 如果提供，则目标数组将具有此 dtype。不能与 out 一起提供。

版本1.24中新增。
casting{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’}, optional: 控制允许哪种类型的数据转换。默认为 'same_kind'。

版本1.24中新增。

返回:

stackedndarray: 堆叠后的数组比输入数组多一个维度。

另请参阅

concatenate: 沿现有轴连接数组序列。
block: 从嵌套块列表中组装 ndarray。
split: 将数组分割成多个大小相等的子数组列表。
unstack: 沿轴将数组分割成一个子数组元组。

备注

该函数应用于 _data 和 _mask（如果存在）。

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]])