numpy中hstack、vstack、stack和concatenate函数怎么使用(concatenate,hstack,numpy,开发技术)

我们先来介绍最全能的concatenate()函数，后面的几个函数其实都可以用concatenate()函数来进行等价操作。

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：

先来看几个例子，一个2*2的数组和一个1*2的数组，在第0维进行拼接，得到一个3*2的数组：

输出为：

进一步，一个2*2的数组和一个2*1的数组，在第01维进行拼接，得到一个2*3的数组：

输出为：

上面两个简单的例子中，拼接的维度的长度是不同的，但是其他维度的长度必须是相同的，这也是使用concatenate()函数的一个基本原则，违背此规则就会报错，例如一个2*2的数组和一个1*2的数组，在第1维进行拼接：

上面的代码会报错：

stack()函数的原型是numpy.stack(arrays, axis=0)，即将一堆数组的数据按照指定的维度进行堆叠。
我们先看两个简单的例子：

输出为：

进一步：

输出为：

如果换作是二维数组：

输出为:

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：

vstack()的函数原型：vstack(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。它是垂直（按照行顺序）的把数组给堆叠起来。
举两个简单的例子：

输出为：

进一步：

输出为：

如果进行vstack的数组至少有两维，那么相当于np.concatenate([a,b],axis=0)，我们通过例子进行对比：

输出为：

可以看到，跟刚才的结果是一致的，但是如果进行堆叠的两个数组只有一维，那么结果是不同的：

上面得到的结果为：

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：

输出为：

进一步，对于二维数组的情形：

输出为：

如果进行hstack的数组至少有两维，那么相当于np.concatenate([a,b],axis=1)

输出跟刚才的结果是一致的

只有一维的情况下，并不等价于np.concatenate([a,b],axis=1)，反而等价于np.concatenate([a,b],axis=0)。

tensorflow中也提供了stack函数，跟numpy中的stack函数的作用是一样的，我们通过例子来体会：

输出为：