
- NumPy 教程
- NumPy - 首頁
- NumPy - 簡介
- NumPy - 環境
- NumPy 陣列
- NumPy - Ndarray 物件
- NumPy - 資料型別
- NumPy 建立和運算元組
- NumPy - 陣列建立例程
- NumPy - 陣列操作
- NumPy - 從現有資料建立陣列
- NumPy - 從數值範圍建立陣列
- NumPy - 遍歷陣列
- NumPy - 陣列重塑
- NumPy - 陣列連線
- NumPy - 陣列堆疊
- NumPy - 陣列分割
- NumPy - 陣列扁平化
- NumPy - 陣列轉置
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高階索引
- NumPy 陣列屬性和操作
- NumPy - 陣列屬性
- NumPy - 陣列形狀
- NumPy - 陣列大小
- NumPy - 陣列步長
- NumPy - 陣列元素大小
- NumPy - 廣播
- NumPy - 算術運算
- NumPy - 陣列加法
- NumPy - 陣列減法
- NumPy - 陣列乘法
- NumPy - 陣列除法
- NumPy 高階陣列操作
- NumPy - 交換陣列軸
- NumPy - 位元組交換
- NumPy - 副本和檢視
- NumPy - 元素級陣列比較
- NumPy - 陣列過濾
- NumPy - 陣列連線
- NumPy - 排序、搜尋和計數函式
- NumPy - 搜尋陣列
- NumPy - 陣列並集
- NumPy - 查詢唯一行
- NumPy - 建立日期時間陣列
- NumPy - 二元運算子
- NumPy - 字串函式
- NumPy - 數學函式
- NumPy - 統計函式
- NumPy - 矩陣庫
- NumPy - 線性代數
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 繪製直方圖
- NumPy - NumPy 的 I/O 操作
- NumPy 排序和高階操作
- NumPy - 陣列排序
- NumPy - 沿軸排序
- NumPy - 使用花式索引排序
- NumPy - 結構化陣列
- NumPy - 建立結構化陣列
- NumPy - 操作結構化陣列
- NumPy - 欄位訪問
- NumPy - 記錄陣列
- Numpy - 載入陣列
- Numpy - 儲存陣列
- NumPy - 將值追加到陣列
- NumPy - 交換陣列的列
- NumPy - 將軸插入陣列
- NumPy 處理缺失資料
- NumPy - 處理缺失資料
- NumPy - 識別缺失值
- NumPy - 刪除缺失資料
- NumPy - 填充缺失資料
- NumPy 效能最佳化
- NumPy - 使用陣列進行效能最佳化
- NumPy - 使用陣列進行向量化
- NumPy - 陣列的記憶體佈局
- Numpy 線性代數
- NumPy - 線性代數
- NumPy - 矩陣庫
- NumPy - 矩陣加法
- NumPy - 矩陣減法
- NumPy - 矩陣乘法
- NumPy - 元素級矩陣運算
- NumPy - 點積
- NumPy - 矩陣求逆
- NumPy - 行列式計算
- NumPy - 特徵值
- NumPy - 特徵向量
- NumPy - 奇異值分解
- NumPy - 求解線性方程組
- NumPy - 矩陣範數
- NumPy 元素級矩陣運算
- NumPy - 求和
- NumPy - 求平均值
- NumPy - 求中位數
- NumPy - 求最小值
- NumPy - 求最大值
- NumPy 集合運算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 並集
- NumPy - 差集
- NumPy 有用資源
- NumPy 編譯器
- NumPy - 快速指南
- NumPy - 有用資源
- NumPy - 討論
NumPy stack() 函式
NumPy 的stack()函式用於沿著新軸連線一系列陣列。所有輸入陣列必須具有相同的形狀。
此函式對於在指定維度上組合相同形狀的陣列同時在輸出陣列中建立新維度非常有用。例如,沿著新軸堆疊兩個二維陣列會建立一個三維陣列。
語法
NumPy stack() 函式的語法如下:
numpy.stack(arrays, axis=0, out=None, *, dtype=None, casting='same_kind')
引數
- arrays: 這些是要堆疊的陣列。所有陣列必須具有相同的形狀。
- axis: 沿著該軸堆疊陣列。它必須介於 0 和輸入陣列的維度數之間。
- out: 如果提供,則為放置結果的目標位置。它應該具有合適的形狀和資料型別。
- dtype: 如果提供,則為結果陣列要使用的 dtype。
- casting: 控制可能發生的哪種資料轉換。
返回值
stack() 函式返回一個堆疊陣列,其維度比輸入陣列多一個。
示例 1
以下是使用 NumPy stack() 函式的基本示例。在此示例中,兩個一維陣列沿著新軸堆疊,生成一個二維陣列。
import numpy as np array1 = np.array([1, 2, 3]) array2 = np.array([4, 5, 6]) stacked_array = np.stack((array1, array2)) print("Stacked Array:\n", stacked_array)
輸出
Stacked Array: [[1 2 3] [4 5 6]]
示例 2
這是另一個使用 stack() 函式的示例,在此示例中,兩個二維陣列沿著軸 1 堆疊,生成一個三維陣列。
import numpy as np array1 = np.array([[1, 2], [3, 4]]) array2 = np.array([[5, 6], [7, 8]]) stacked_array = np.stack((array1, array2), axis=1) print("Stacked Array:\n", stacked_array)
輸出
Stacked Array: [[[1 2] [5 6]] [[3 4] [7 8]]]
示例 3
在此示例中,兩個三維陣列沿著軸 2 堆疊,生成一個四維陣列。
import numpy as np array1 = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]]) array2 = np.array([[[9, 10], [11, 12]], [[13, 14], [15, 16]]]) stacked_array = np.stack((array1, array2), axis=2) print("Stacked Array:\n", stacked_array)
輸出
Stacked Array: [[[[ 1 2] [ 9 10]] [[ 3 4] [11 12]]] [[[ 5 6] [13 14]] [[ 7 8] [15 16]]]]
numpy_array_manipulation.htm
廣告