全能编程开发工程师必会np.vstack函数详解

FDQAO • 2025-04-18 13:40 • 编程

一、np.vstack函数概述

在Python中有很多数学计算库可以使用。而numpy作为最常用的计算库之一，其拥有强大的数组操作和数据处理能力。其中，np.vstack函数就是numpy中的一种介于数组拼接和平移之间的函数。它可以将多个数组以垂直方向堆叠在一起，返回一个新的数组。

下面我们通过实例，来深入理解这个函数：

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
c = np.concatenate((a, b), axis=0)
print(c)

d = np.vstack((a, b))
print(d)

这里我们首先定义a、b两个一维数组。之后通过np.concatenate()函数将a、b按照axis=0（即纵向）拼接在一起，得到c=[1, 2, 3, 4, 5, 6]。可以看到，这种操作并没有改变a、b原来的维度，而是合并了它们的元素。

下面用同样的a、b数组，我们将其通过np.vstack()函数进行垂直方向的堆叠，得到d=[[1,2,3],[4,5,6]]。这是一个二维数组，可以直观的感受到这个函数实现的效果。

二、np.vstack函数语法

np.vstack函数的语法如下：

numpy.vstack(tup: Union[Tuple[numpy.ndarray, …], numpy.ndarray]) -> numpy.ndarray

其中，

tup：需要进行垂直堆叠的数组序列或一个二维数组。

返回值：返回一个新的垂直堆叠后的数组。

三、np.vstack函数应用案例

1. 使用np.vstack函数增加矩阵的行数

在实际应用中，我们有时候需要增加矩阵的行数。这时候，我们就可以使用np.vstack函数来实现。例如，我们要将一个n行3列的矩阵a平移成m行3列的矩阵b，其中n<m。

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.vstack((a, np.zeros((m-n,3))))

这里我们将a和一个形状为(m-n,3)、元素全为0的矩阵堆叠在一起，得到一个m行3列的矩阵b。其中，(m-n,3)即为将a的行数延长到m的行数时需要添加的全0行的行数。

2. 使用np.vstack函数拼接图片并保存

在图像处理领域中，我们经常需要将多张图片拼接在一起。这时候，我们可以使用np.vstack函数来实现。例如，我们将两张图片按照垂直方向拼接起来，并保存为新的图片。

import numpy as np
import cv2

img1 = cv2.imread('img1.jpg', 1)
img2 = cv2.imread('img2.jpg', 1)
img_concat = np.vstack((img1, img2))
cv2.imwrite('img_concat.jpg', img_concat)

这里我们先使用cv2.imread函数读取img1和img2两张图片。之后通过np.vstack函数将两张图片拼接在一起得到img_concat，并使用cv2.imwrite函数将拼接后的图片保存成一张新的jpeg格式的图片。

3. 使用np.vstack函数堆叠矩阵并进行PCA分析

在数据处理与分析领域中，使用奇异值分解(SVD)来计算数据中的主成分分析(PCA)是一种常见的方法。其中，矩阵就是SVD基本算法中的重要数据结构之一。因此，我们可以使用np.vstack函数来进行矩阵的堆叠，从而进行主成分分析。

import numpy as np
from sklearn.decomposition import PCA

X1 = np.array([[2, 3], [7, 2], [8, 5], [3, 8], [5, 9]])
X2 = np.array([[4, 5], [3, 2], [9, 4], [7, 3], [1, 1]])
X = np.vstack((X1, X2))
pca = PCA(n_components=2)
pca.fit(X)
print(pca.explained_variance_ratio_)

这里我们构造了两个二维矩阵X1和X2。之后使用np.vstack函数堆叠得到新的二维矩阵X，其中的数据就是原来的矩阵堆叠构成的。最后，我们使用sklearn.decomposition模块下的PCA类，对新的矩阵X进行主成分分析，并输出前两个主成分的方差占比。

四、np.vstack函数使用注意事项

1. 需要注意垂直堆叠序列中各元素的维度是否一致。

2. 垂直堆叠所有数组的维数必须相同。

3. 垂直堆叠时，数据类型必须相同，否则将在堆叠时按照较高精度的数据类型来处理。

原创文章，作者：FDQAO，如若转载，请注明出处：https://www.506064.com/n/369959.html