Python NumPy矩阵堆叠详解：stack、vstack与hstack用法

NumPy矩阵堆叠函数概览

在实际开发中，经常需要进行矩阵堆叠操作。起初考虑手动编写处理函数，但经查找发现NumPy库已提供现成的解决方案，因此整理相关用法供参考。

import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
np.stack((a,b)) #默认行堆叠

输出：

array([[1, 2, 3],
  [4, 5, 6]])

np.vstack((a, b))

输出：

array([[1, 2, 3],
  [4, 5, 6]])
np.hstack((a, b))

输出：

array([1, 2, 3, 4, 5, 6])

stack、vstack与hstack的区别

上述代码主要演示了堆叠函数的基本用法。NumPy提供了通用的stack()函数，支持多种堆叠模式。虽然示例针对二维矩阵，但该函数同样适用于其他维度。为方便使用，NumPy还封装了vstack()用于垂直堆叠（vertically）和hstack()用于水平堆叠（horizontally）。

stack()函数包含一个关键参数axis，用于指定堆叠的维度。默认值为0，其效果与vstack()一致。当将axis设置为1时，输出结果会有所不同，具体表现如下所示。

np.stack((a,b),axis=1)

输出：

array([[1, 4],
  [2, 5],
  [3, 6]])

axis=1时的列重组逻辑

从输出结果可以看出，当axis=1时，操作逻辑相当于提取原数组a的第二维度（即列），将每一列依次取出，并按行重新组合成一个新的矩阵。

stack与concatenate的关系探讨

关于hstack()的效果是否可以直接通过stack()实现，目前尚未找到直接对应的单一参数设置方法，欢迎有经验的开发者补充说明。需要注意的是，hstack()的实际效果与concatenate()函数完全一致。

np.concatenate((a,b))
输出：
array([1, 2, 3, 4, 5, 6])

以上就是Python NumPy矩阵堆叠操作的完整介绍，旨在为读者提供实用的参考。希望这些内容能帮助大家更好地理解数组堆叠机制，如有更多疑问或建议，欢迎交流讨论。