Python 在numpy中被dstack和dsplit卡住

我了解hstack、hsplit、vstack和vsplit 但我不知道dstack和dsplit是如何工作的

根据我的说法，在三维空间上连接应该意味着：>

a = 1st 2D matrix
b = 2nd 2D matrix
c = 3rd 2D matrix

d = np.dstack((a, b, c))

d[0] == a
d[1] == b
d[2] == c

现在，这真的意味着深度叠加，真的有意义（至少对我来说） 但事实并非如此。 请帮助我可视化dstack和dsplit

谢谢

dstack（（a，b，c））

与

dstack（map（至少三维，[a，b，c]））相同

因此，如果您只需要了解

至少三维

的工作原理。这很简单，它只是添加了一个大小为1的第三维度：

>>> a = np.random.randn(2, 3)
>>> np.atleast_3d(a)
array([[[ -1.47499777e-04],
        [ -3.15172826e-01],
        [ -4.17205640e-01]],

       [[ -4.40166377e-01],
        [ -3.49488016e-01],
        [  1.20570170e+00]]])

---

我认为你的想法是对的。也就是说，想象阵列垂直堆叠

比如说：

取一系列数组，将它们垂直堆叠，形成单个数组 排列

假设a、b和c是正方形，并堆叠形成一个立方体。查看第一个维度，

d[0]

（相当于

d[0，：，：]

）将查看多维数据集的侧面，

d[：，0，：]

。第三个维度从上面看，例如

d[：，：，0]

。它有助于使用

.ndim

和

.shape

计算尺寸和形状的数量

举例说明：

>>> a =np.ones((3,3))
>>> b =a*2
>>> c =a*3
>>> np.dstack((a, b, c))
>>> a.shape
(3, 3)
>>> a.ndim
2
>>> d.shape
(3, 3, 3)
>>> d.ndim
3
>>> d[0,:,:]
array([[ 1.,  2.,  3.],
       [ 1.,  2.,  3.],
       [ 1.,  2.,  3.]])
>>> d[:,0,:]
array([[ 1.,  2.,  3.],
       [ 1.,  2.,  3.],
       [ 1.,  2.,  3.]])
>>> d[:,:,0]
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])
>>> d[:,:,1]
array([[ 2.,  2.,  2.],
       [ 2.,  2.,  2.],
       [ 2.,  2.,  2.]])

最后，如果要“旋转立方体”，则始终可以转置数组：

>>> d.T
array([[[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],

       [[ 2.,  2.,  2.],
        [ 2.,  2.,  2.],
        [ 2.,  2.,  2.]],

       [[ 3.,  3.,  3.],
        [ 3.,  3.,  3.],
        [ 3.,  3.,  3.]]])

>>> d.T[0]
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])

编辑

。。。。或者您可以使用：

---

这给了我一个dstack的用法…实际上不是dstack，而是dstack（）.T…。但我真的很好奇为什么numpy的家伙制作dstack（显然不仅仅是为了得到它的转置和使用它）。这种方法（获取dstack的转置，然后获取单个元素）对于更高的维度是无效的

>>> np.rollaxis(d,2)
array([[[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],

       [[ 2.,  2.,  2.],
        [ 2.,  2.,  2.],
        [ 2.,  2.,  2.]],

       [[ 3.,  3.,  3.],
        [ 3.,  3.,  3.],
        [ 3.,  3.,  3.]]])