转自 https://blog.csdn.net/csdn15698845876/article/details/73380803
这三个函数有些相似性，都是堆叠数组，里面最难理解的应该就是stack()函数了，我查阅了numpy的官方文档，在网上又看了几个大牛的博客，发现他们也只是把numpy文档的内容照搬，看完后还是不能理解，最后经过本人代码分析，算是理解了stack()函数增加维度的含义。以下内容我会用通俗易懂的语言解释，内容可能有点多，耐心看，如果哪里说的不对，欢迎纠正！
1. stack()函数
函数原型为：stack(arrays, axis=0)，arrays可以传数组和列表。axis的含义我下面会讲解，我们先来看个例子，然后我会分析输出结果。
>>>import numpy as np
>>>a=[[1,2,3],
[4,5,6]]
>>>print("列表a如下：")
>>>print(a)
>>>print("增加一维，新维度的下标为0")
>>>c=np.stack(a,axis=0)
>>>print(c)
>>>print("增加一维，新维度的下标为1")
>>>c=np.stack(a,axis=1)
>>>print(c)
输出：
列表a如下： [[1, 2, 3], [4, 5, 6]] 增加一维，新维度下标为0 [[1 2 3] [4 5 6]] 增加一维，新维度下标为1 [[1 4] [2 5] [3 6]]
首先这里arrays我传的是一个列表，现在我开始讲解这个stack()函数的意思，它就是对arrays里面的每个元素(可能是个列表，元组，或者是个numpy的数组)变成numpy的数组后，再对每个元素增加一维(至于维度加在哪里，是靠axis控制的)，然后再把这些元素串起来(至于怎么串，我下面会说)。
arrays里面的每个元素必须形状是一样的，例如本例中列表a中的两个元素[1,2,3]和[4,5,6]的形状是一样的，如果把[4,5,6]换成[4,5] ，那么程序会报错！而axis代表的是在哪个维度上加一维，例如axis=0(它是默认的)代表的就是增加的这一维的下标为0，axis等于多少不是随便乱写的，如果参数arrays里面的每个元素是个1维的，那么调用stack()函数增加一维后会变成2维的，所以axis只能等于0和1（维度的下标是从0开始的），而参数axis=0和axis=1得到的结果是不一样的。
例如上面的代码中a列表中的第一个元素为[1,2,3]，那么当axis=0的时候，就是在它的中括号外面再加一个中括号，变成[ [1,2,3] ]（其实1，2，3之间是没有逗号的，因为stack()函数会先把参数arrays中的每个元素变成numpy的数组，数组之间是没有逗号的，看看上面的代码输出就知道了，这里大家明白就行，我为了方便讲解，下面还会加上逗号），这样最外面那层中括号才代表维度下标为0的那维；当axis=1的时候，就是在里面加个中括号，变成了[ [1]，[2]，[3] ],这样里面加的那层中括号才代表维度下标为1的那维。同理当axis=0的时候[4,5,6]变成[ [ 4，5，6] ]，当axis=1的时候，变成[ [4]，[5]，[6] ]。下面我们讲如何把增加一维度后的每个元素串起来。
怎么把上面那两个元素增加维度后的结果串起来呢，其实很简单。现在我们已经知道了增加维度无非是增加中括号的意思，至于在哪里加中括号，取决于axis等于几。我们把增加的中括号想像成一个个的箱子。还拿上面的代码来说，当axis=0的时候，我们把套在[1,2,3]外面的中括号(就是[ [1,2,3] ]最外层的那个中括号)看做是箱子A，这个箱子A也会套在[4,5,6]的外面，所以我们就先把[1,2,3]和[4,5,6]放在一起，变成[1,2,3],[4,5,6]，然后再一起套上箱子A，变成[ [1,2,3],[4,5,6] ]这就是当axis=0的时候程序的输出结果。
现在再来看当axis=1的时候，对于[1，2，3]，我们把套在1外面的箱子(就是上面讲的[ [1]，[2]，[3] ]中1外面的那层中括号)看做A，套在2外面的看做B，套在3外面的看做C，同理，箱子A也会套在4的外面，箱子B也会套在5的外面，箱子C也会套在6的外面。那么我们就把1和4放一起，2和5放一起，3和6放一起，变成[ 1,4 ，2,5 ，3,6 ]然后把箱子A,B,C分别套在1,4 ， 2,5 ， 3,6的外面，变成[ [1,4] , [2,5] , [3,6] ]这就是程序中axis=1的时候程序的输出结果。
大家发现了没有，串起来的时候其实就是把arrays中每个元素在相同的位置套箱子的一些小块(这里叫小块这个名词可能不洽当，但是大家明白就行)放在一起后，再套箱子，就是外面套个中括号，这就是堆叠。
再看下面的代码的输出，测试下你理解的没有。
>>>import numpy as np
>>>a=[[1,2,3,4],
[5,6,7,8],
[9,10,11,12]]
>>>print("列表a如下：")
>>>print(a)
>>>print("增加一维，新维度的下标为0")
>>>c=np.stack(a,axis=0)
>>>print(c)
>>>print("增加一维，新维度的下标为1")
>>>c=np.stack(a,axis=1)
>>>print(c)
输出：
列表a如下： [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]] 增加一维，新维度的下标为0 [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]] 增加一维，新维度的下标为1 [[ 1 5 9] [ 2 6 10] [ 3 7 11] [ 4 8 12]]
不知道和你想象的输出一样不一样，还有另一种情况，先看下面的代码。
>>>import numpy as np
>>>a=[1,2,3,4]
>>>b=[5,6,7,8]
>>>c=[9,10,11,12]
>>>print("a=",a)
>>>print("b=",b)
>>>print("c=",c)
>>>print("增加一维，新维度的下标为0")
>>>d=np.stack((a,b,c),axis=0)
>>>print(d)
>>>print("增加一维，新维度的下标为1")
>>>d=np.stack((a,b,c),axis=1)
>>>print(d)
输出：
(‘a=‘, [1, 2, 3, 4]) (‘b=‘, [5, 6, 7, 8]) (‘c=‘, [9, 10, 11, 12]) 增加一维，新维度的下标为0 [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]] 增加一维，新维度的下标为1 [[ 1 5 9] [ 2 6 10] [ 3 7 11] [ 4 8 12]]
你会发现输出结果和上面的代码一样，其实它俩就是一样的。只不过当你对arrays传参的时候，如果你传的参数是类似于(a,b,c)这种，它会把(a,b,c)当做一个元组来看，a,b,c都是元组的每个元素。然后分别对每个元素处理，上面我已经说了，arrays传的参数可以是列表，元组，或者numpy数组。所以传(a,b,c)和传[a,b,c]或者当x=[a,b,c]的时候传x，效果都是一样的。
上面的代码处理的arrays元素都是一维变二维的情况，下面我们看看二维变三维是什么样的。
import numpy as np
a=[[1,2,3],
[4,5,6]]
b=[[1,2,3],
[4,5,6]]
c=[[1,2,3],
[4,5,6]]
print("a=",a)
print("b=",b)
print("c=",c)
print("增加一维，新维度的下标为0")
d=np.stack((a,b,c),axis=0)
print(d)
print("增加一维，新维度的下标为1")
d=np.stack((a,b,c),axis=1)
print(d)
print("增加一维，新维度的下标为2")
d=np.stack((a,b,c),axis=2)
print(d)
输出：
(‘a=‘, [[1, 2, 3], [4, 5, 6]]) (‘b=‘, [[1, 2, 3], [4, 5, 6]]) (‘c=‘, [[1, 2, 3], [4, 5, 6]]) 增加一维，新维度的下标为0 [[[1 2 3] [4 5 6]] [[1 2 3] [4 5 6]] [[1 2 3] [4 5 6]]] 增加一维，新维度的下标为1 [[[1 2 3] [1 2 3] [1 2 3]] [[4 5 6] [4 5 6] [4 5 6]]] 增加一维，新维度的下标为2 [[[1 1 1] [2 2 2] [3 3 3]] [[4 4 4] [5 5 5] [6 6 6]]]
当axis=0的时候，列表a，b，c最外面都需要套箱子(就是加中括号)，那么我把你们先放一起，变成下面这样
[[1,2,3],[4,5,6]], [[1,2,3],[4,5,6]], [[1,2,3],[4,5,6]]
然后在最外面套箱子，变成
[ [[1,2,3],[4,5,6]], [[1,2,3],[4,5,6]], [[1,2,3],[4,5,6]] ]
当axis=1的时候，列表a，b，c中的[1,2,3]需要套同样的箱子，列表a，b，c中的[4,5,6]需要套同样的箱子，好，我先把你们放一块变成下面这样
[
[1,2,3],[1,2,3],[1,2,3]
,
[4,5,6],[4,5,6],[4,5,6]
]
然后开始分别在 [1,2,3],[1,2,3],[1,2,3]的外面和[4,5,6],[4,5,6],[4,5,6]的外面套箱子，变成下面这样
[
[[1,2,3],[1,2,3],[1,2,3]]
,
[[4,5,6],[4,5,6],[4,5,6]]
]
当axis=2的时候，列表a，b，c中的1，2，3，4，5，6都需要套箱子，我把你们先放一起变成：
[
[1,1,1 , 2,2,2 , 3,3,3],
[4,4,4 , 5,5,5 , 6,6,6]
]
然后在1,1,1 ………6,6,6的外面分别套箱子变成：
[
[[1,1,1] , [2,2,2] , [3,3,3]],
[[4,4,4] , [5,5,5] , [6,6,6]]
]
关于stack()函数就讲这么多，这也是我全部理解的部分。
2. hstack()函数
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。看下面的代码体会它的含义
import numpy as np a=[1,2,3] b=[4,5,6] print(np.hstack((a,b)))
输出：
[1 2 3 4 5 6 ]
import numpy as np a=[[1],[2],[3]] b=[[1],[2],[3]] c=[[1],[2],[3]] d=[[1],[2],[3]] print(np.hstack((a,b,c,d)))
输出：
[[1 1 1 1] [2 2 2 2] [3 3 3 3]]
它其实就是水平(按列顺序)把数组给堆叠起来，vstack()函数正好和它相反。
3. vstack()函数
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。看下面的代码体会它的含义
import numpy as np a=[1,2,3] b=[4,5,6] print(np.vstack((a,b)))
输出：
[[1 2 3] [4 5 6]]
import numpy as np a=[[1],[2],[3]] b=[[1],[2],[3]] c=[[1],[2],[3]] d=[[1],[2],[3]] print(np.vstack((a,b,c,d)))
输出：
[[1] [2] [3] [1] [2] [3] [1] [2] [3] [1] [2] [3]]
它是垂直（按照行顺序）的把数组给堆叠起来。
原文地址：https://www.cnblogs.com/gdut-gordon/p/9366196.html