了解numpy的dstack函数

Question

我在理解numpydstack函数实际上正在执行时遇到了一些麻烦。该文档相当稀疏，只是说：

沿深度方向（沿第三轴）按顺序堆叠数组。

采取一系列数组并将其沿第三轴堆叠以形成单个数组。重建除以的数组dsplit。这是将2D数组（图像）堆叠到单个3D数组中进行处理的简单方法。

因此，要么我真的很愚蠢，其含义很明显，要么我似乎对术语“堆叠”，“按顺序”，“深度方向”或“沿轴”有一些误解。但是，我的印象是，我在的背景下理解了这些术语，vstack并且hstack很好。

让我们来看这个例子：

In [193]: a
Out[193]: 
array([[0, 3],
       [1, 4],
       [2, 5]])
In [194]: b
Out[194]: 
array([[ 6,  9],
       [ 7, 10],
       [ 8, 11]])
In [195]: dstack([a,b])
Out[195]: 
array([[[ 0,  6],
        [ 3,  9]],

       [[ 1,  7],
        [ 4, 10]],

       [[ 2,  8],
        [ 5, 11]]])

首先，a并b没有第三轴，所以我将如何堆叠起来一起“ 的 第三轴”以开始？第二，假设a和b是2D图像的表示形式，为什么我最终在结果中得到
三个 2D数组而不是两个“按顺序”排列的2D数组？

Answer 1

它更容易理解np.vstack，np.hstack并且np.dstack*通过看做.shape输出数组的属性。

使用两个示例数组：

print(a.shape, b.shape)
# (3, 2) (3, 2)

• np.vstack 沿第一维连接…

  print(np.vstack((a, b)).shape)
  

  (6, 2)

• np.hstack 沿第二维连接…

  print(np.hstack((a, b)).shape)
  

  (3, 4)

• 并np.dstack沿第三维连接。

  print(np.dstack((a, b)).shape)
  

  (3, 2, 2)

由于a和b都是二维的，因此np.dstack通过插入大小为1的第三个维度来展开它们。这等效于使用np.newaxis（或可选地None）像这样在第三个维度中对它们进行索引：

print(a[:, :, np.newaxis].shape)
# (3, 2, 1)

如果c = np.dstack((a, b))，则c[:, :, 0] == a和c[:, :, 1] == b。

您可以使用np.concatenate以下命令更明确地执行相同的操作：

print(np.concatenate((a[..., None], b[..., None]), axis=2).shape)
# (3, 2, 2)

---

*使用模块将模块的全部内容导入到全局名称空间import *被认为是不好的做法，原因有几个。惯用的方法是import numpy as np。