python - 理解 numpy 的 dstack 函数

Question

我很难理解 numpy 的 dstack 函数实际上在做什么。文档相当稀疏，只是说:

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

Takes a sequence of arrays and stack them along the third axis to make a single array. Rebuilds arrays divided by dsplit. This is a simple way to stack 2D arrays (images) into a single 3D array for processing.

所以要么我真的很愚蠢，而且这个意思很明显，要么我似乎对“堆叠”、“按顺序”、“深度明智”或“沿轴”等术语有一些误解。然而，我的印象是，我在 vstack 和 hstack 的上下文中理解这些术语就好了。

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 和 b 没有第三轴，那么我如何将它们沿“the 第三轴”堆叠开始？其次，假设 a 和 b 是 2D 图像的表示，为什么我会在结果中得到 三个 2D 数组而不是到两个“按顺序”排列的二维数组？

Answer 1

通过查看 ，更容易理解 np.vstack、np.hstack 和 np.dstack* 的作用。输出数组的 shape 属性。

使用您的两个示例数组:

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)
  

• 和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，np.dstack 通过插入大小为 1 的第三维来扩展它们。这等效使用 np.newaxis (或者，None)在三维索引它们，如下所示:

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

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

您可以使用 np.concatenate 更明确地执行相同的操作像这样:

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

---

* 使用 import * 将模块的全部内容导入全局命名空间是 considered bad practice for several reasons .惯用的方法是 import numpy as np.