[ML] Numpy Stack Summary

Numpy Stack

import numpy as np

차원 추가 X

• np.vstack()
• np.hstack()
• np.concatenate() <-- General

새로운 차원 추가

• np.stack()

Special Case

• np.dstack()

np.vstack

np.concatenate(arr_list, axis=0) 과 동일

a = np.random.randint(0, 10, size=(2, 3))
b = np.random.randint(0, 10, size=(4, 3))


print(np.vstack([a, b]).shape)
>>> (6, 3)

print(np.concatenate([a, b], axis=0).shape)
>>> (6, 3)

np.hstack

np.concatenate(arr_list, axis=1) 과 동일

a = np.random.randint(0, 10, size=(2, 5))
b = np.random.randint(0, 10, size=(2, 3))


print(np.hstack([a, b]).shape)
>>> (2, 8)

print(np.concatenate([a, b], axis=1).shape)
>>> (2, 8)

np.concatenate

a = np.random.randint(0, 10, (5, 6, 7, 8, 9))
b = np.random.randint(0, 10, (5, 6, 7, 8, 9))


print(np.concatenate([a, b], axis=3).shape)
>>> (5, 6, 7, 16, 9)

np.stack

지정한 axis 에 새로운 차원을 만들면서 쌓는다. (Default axis=0)

a = np.random.randint(0, 10, (3, 5, 7, 12))
b = np.random.randint(0, 10, (3, 5, 7, 12))


print(np.stack([a, b]).shape)
>>> (2, 3, 5, 7, 12)

print(np.stack([a, b], axis=1).shape)
>>> (3, 2, 5, 7, 12)

print(np.stack([a, b], axis=-1).shape)
>>> (3, 5, 7, 12, 2)

np.dstack

• ndim == 2: 가장 마지막 axis 에 새로운 차원을 만들면서 쌓는다. np.stack(arr_list, axis=-1) 과 동일
• ndim > 2: axis=2 기준으로 쌓는다. np.concatenate(arr_list, axis=2) 과 동일

ndim == 2

a = np.random.randint(0, 10, size=(2, 3))
b = np.random.randint(0, 10, size=(2, 3))


print(np.dstack([a, b]).shape)
>>> (2, 3, 2)

ndim == 3

a = np.random.randint(0, 10, size=(2, 3, 4))
b = np.random.randint(0, 10, size=(2, 3, 4))


print(np.dstack([a, b]).shape)
>>> (2, 3, 8)

ndim == 4

a = np.random.randint(0, 10, size=(2, 3, 4, 5))
b = np.random.randint(0, 10, size=(2, 3, 4, 5))


print(np.dstack([a, b]).shape)
>>> (2, 3, 8, 5)

Conclusion

• 새로운 차원을 생성하지 않고 array 를 쌓고 싶은 경우
  • ndim == 2 일 때, 즉 2차원 Matrix 를 다룰 때는 np.vstack(), np.hstack() 사용 권장
  • ndim > 2 인 경우, np.concatenate() 사용 권장

• 새로운 차원을 생성하며 array 를 쌓고 싶은 경우: np.stack()