Является ли numpy.array () эквивалентным numpy.stack (..., axis = 0)?

Question

Я сделал себе пример:

import numpy as np
arrays = [np.random.rand(3,4) for _ in range(10)]
arr1 = np.array(arrays)
print(arr1.shape)
arr2 = np.stack(arrays, axis=0)
print(arr2.shape)

Я обнаружил, что arr1 и arr2 имеют одинаковую форму и содержание. Так эти два метода (np.array () и np.stack (..., axis = 0) эквивалентны?

Answer 1

В общем, вы должны получить что-то похожее из двух, но будут некоторые крайние случаи. Например, передача разбитых списков в np.array даст np.array списков, но np.stack вызовет исключение:

In [119]: np.stack([[1,2], [4,5,6]], axis=0)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-119-2ba66e6300d6> in <module>()
----> 1 np.stack([[1,2], [4,5,6]], axis=0)

<__array_function__ internals> in stack(*args, **kwargs)

    423     shapes = {arr.shape for arr in arrays}
    424     if len(shapes) != 1:
--> 425         raise ValueError('all input arrays must have the same shape')
    426
    427     result_ndim = arrays[0].ndim + 1

ValueError: all input arrays must have the same shape

In [120]: np.array([[1,2], [4,5,6]])
Out[120]: array([list([1, 2]), list([4, 5, 6])], dtype=object)

Answer 2

np.array скомпилировано, и что-то вроде черного ящика. Он работает предсказуемо для списков списков чисел, при условии, что он может создавать многомерный массив. Откат - это массив объектов типа d (массив списков) или, в некоторых случаях, ошибка ( Создание проблемы с массивом-пустышкой (невозможно преобразовать входной массив из shape (2) в shape (1)) ).

np.stack - это функция покрытия для np.concatenate. Это код Python.

Сначала он создает все входные массивы:

arrays = [asanyarray(arr) for arr in arrays]

asanyarray - это просто вызов без копирования np.array.

Затем он проверяетформы - все они должны быть одинаковыми

shapes = {arr.shape for arr in arrays}

, тогда он добавляет измерение к каждому (детали опущены)

expanded_arrays = [arr[sl] for arr in arrays]

и объединяет их:

concatenate(expanded_arrays, axis=axis, out=out)

Начиная со списка массивов, он выполняет примерно ту же работу, что и np.array (временные параметры аналогичны для больших списков). Как отмечалось в другом ответе, он не даст рваный массив. Но где stack действительно хорошо, это когда мы хотим использовать axis. Без этого нам бы пришлось transpose array версия.