Python数据分析之堆叠数组函数怎么使用(python,开发技术)

在做图像和 nlp 的数组数据处理的时候，经常需要实现两个数组堆叠或者连接的功能，这就需用到 numpy 库的一些函数，numpy 库中的常用堆叠数组函数如下：

stack : Join a sequence of arrays along a new axis.

hstack: Stack arrays in sequence horizontally (column wise).

vstack : Stack arrays in sequence vertically (row wise).

dstack : Stack arrays in sequence depth wise (along third axis).

concatenate : Join a sequence of arrays along an existing axis.

ravel() 方法可让将多维数组展平成一维数组。如果不指定任何参数，ravel() 将沿着行（第 0 维/轴）展平/拉平输入数组。

示例代码如下:

程序输出结果如下：

[[5.68301857 2.09696067 2.20833423 2.83964393]
[2.38957339 9.66254303 1.58419716 2.82531094]]

[5.68301857 2.09696067 2.20833423 2.83964393 2.38957339 9.66254303 1.58419716 2.82531094]

stack() 函数原型是 stack(arrays,axis=0,out=None)，功能是沿着给定轴连接数组序列，轴默认为第０维。

1，参数解析：

arrays: 类似数组（数组、列表）的序列，这里的每个数组必须有相同的shape。

axis: 默认为整形数据，axis决定了沿着哪个维度stack输入数组。

2，返回：

stacked : ndarray 类型。The stacked array has one more dimension than the input arrays.

实例如下：

输出为：

[[1 3 4] [4 6 7]]

(2, 3)

[[[1 3 5] [5 6 9]] [[1 3 5] [5 6 9]]] (2, 2, 3)

可以看到，进行 stack 的两个数组必须有相同的形状，同时，输出的结果的维度是比输入的数组都要多一维的。我们拿第一个例子来举例，两个含 3 个数的一维数组在第 0 维进行堆叠，其过程等价于先给两个数组增加一个第0维，变为1*3的数组，再在第 0 维进行 concatenate() 操作：

输出为：

array([[1, 2, 3], [2, 3, 4]])

vstack函数原型是vstack(tup)，功能是垂直的（按照行顺序）堆叠序列中的数组。tup是数组序列(元组、列表、数组)，数组必须在所有轴上具有相同的shape，除了第一个轴。1-D arrays must have the same length.

array([[1, 2, 3], [2, 3, 4]])

array([[1], [2], [3], [2], [3], [4]])

hstack()的函数原型：hstack(tup) ，参数tup可以是元组，列表，或者numpy数组，返回结果为numpy的数组。它其实就是**水平(按列顺序)**把数组给堆叠起来，与vstack()函数正好相反。举几个简单的例子：

array([1, 2, 3, 2, 3, 4])

array([[1, 2], [2, 3], [3, 4]])

vstack()和hstack函数对比：

这里的v是vertically的缩写，代表垂直（沿着行）堆叠数组，这里的h是horizontally的缩写，代表水平（沿着列）堆叠数组。 tup是数组序列(元组、列表、数组)，数组必须在所有轴上具有相同的shape，除了第一个轴。

concatenate()函数功能齐全，理论上可以实现上面三个函数的功能，concatenate()函数根据指定的维度，对一个元组、列表中的list或者ndarray进行连接，函数原型：

array([[1, 2], [3, 4], [5, 6], [7, 8]])

注意：axis指定的维度（即拼接的维度）可以是不同的，但是axis之外的维度（其他维度）的长度必须是相同的。注意 concatenate 函数使用最广，必须在项目中熟练掌握。