numpy.stack#
- numpy.stack(arrays, axis=0, out=None, *, dtype=None, casting='same_kind')[source]#
沿着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。1.10.0 版本新增。
- 参数:
- arraysarray_like 序列
每个数组必须具有相同的形状。
- axisint,可选
结果数组中沿其堆叠输入数组的轴。
- outndarray,可选
如果提供,则为放置结果的目的地。形状必须正确,与如果未指定 out 参数则 stack 将返回的形状匹配。
- 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。
1.24 版本新增。
- casting{‘no’, ‘equiv’, ‘safe’, ‘same_kind’, ‘unsafe’},可选
控制可能发生的哪种数据转换。默认为 ‘same_kind’。
1.24 版本新增。
- 返回值:
- stackedndarray
堆叠后的数组比输入数组多一个维度。
另请参阅
concatenate
沿着现有轴连接一系列数组。
block
从嵌套的块列表中组装 nd 数组。
split
将数组拆分为多个大小相等的子数组列表。
unstack
沿着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]])