Numpy Dstack

Det er mange typer av stack () -funksjonene som Hstack (), vStack (), dStack (), concatenation, etc. I dag skal vi lære en av typene stack () -funksjoner som er dstack () -funksjonen til Numpy. Stack () -funksjonen brukes til å kombinere flere matriser langs en ny akse.

DStack () betyr dybdemessig stablefunksjon. DStack () -funksjonen er en av funksjonene til Python-modulen Numpy som brukes til å stable og organisere elementene i inngangsarrayen i en sekvensdybdemessig langs den tredje aksen, slik at den genererer en utgang som er minst tre- dimensjonal.

Syntaks:

La oss se på skriveimplementeringen av DStack () -funksjonen. I denne funksjonen må vi først skrive Python -modulnavnet som er numpy, eller du kan også bruke Numpy Alias ​​NP. Skriv deretter funksjonsnavnet som er dstack (). I parentesene til funksjonen må du passere parameteren til DStack, noe som betyr at vi må passere de inngangsarrayene som vi ønsker å utføre dstack () -funksjonen.

Parameter:

De TUP er formen på input -matriser der vi ønsker å utføre dstack () -funksjonen. Disse matriser må ha samme form bortsett fra den tredje aksen.

Returverdi:

Til gjengjeld får vi den tredimensjonale matrisen som er kombinert i en sekvensert og organisert dybdemessig sammen med den tredje aksen.

Eksempel 1:

La oss nå begynne å implementere vårt aller første eksempel på DStack () -funksjonen. For å begynne å implementere koden, må vi importere først en av modulene til Python som er numpy. Numpy er det avanserte biblioteket til Python som brukes til å utføre de numeriske og logiske operasjonene i Python. For å importere Python -pakken, bruker vi først "import" nøkkelord som forteller kompilatoren at vi importerer et bibliotek. For det andre skriver vi biblioteknavnet som er "numpy" med små bokstaver, og så skriver vi aliaset til Numpy som er "NP".

Etter å ha importert Python -modulen, begynner vi å implementere den faktiske kodelinjen. Først kaller vi Print () -metoden for å vise meldingen “Implementering av Numpy DStack () -funksjon på 2D -array”. Deretter oppretter vi matrisen av tre elementer “[20, 30, 40]” kalt “Array1” og viser den ved å kalle metoden Print () og passere Array1 i den. Deretter lager vi et annet utvalg av tre elementer “[25, 35, 45]” kalt “Array2”. Vi ønsker også å vise den andre matrisen, så vi kaller metoden Print () igjen og passerer array2 i den. Som du ser, opprettet vi begge matriser av samme størrelse fordi Array1 kombineres med Array2 -indeksen etter indeks.

Importer numpy som NP
Print ("Implementering av Numpy DStack () -funksjon på 2D Array: \ n")
Array1 = ([20, 30, 40, 50])
Print ("Den første matrisen er:", Array1)
Array2 = ([25, 35, 45, 55])
Print ("Den andre matrisen er:", Array2)
stablet_array = np.dStack ((Array1, Array2))
print ("\ n the resulterende stablet matrise er: \ n", stablet_array)

Etter å ha opprettet 2-dimensjonale matriser, kaller vi DStack () -funksjonen slik at vi kan få den stablede matrisen. Først skriver vi Numpy alias som er "NP" og skriver deretter navnet på funksjonen som vi ønsker å implementere på inngangsarrayene som er "dstack ()". Deretter må du passere parametrene til funksjonen. Her har vi to matriser som vi ønsker å stable, så la oss passere Array1 og Array2 i DStack () funksjonsbraketter.

Etter å ha ringt DStack () -funksjonen, la oss lagre denne funksjonen i en annen ny matrise som er "stablet_array" fordi hvis vi vil kalle denne funksjonen igjen i samme program, trenger vi ikke å skrive hele DStack () -funksjonen igjen. Vi kaller ganske enkelt denne funksjonen ved å ringe matrisenavnet. Denne tilnærmingen sparer tiden og kompleksiteten til koden. På slutten av koden kaller vi ganske enkelt Print () -metoden for å vise den nye tredimensjonale matrisen i skallet og passere matrisenavnet i parentesene til print () -funksjonen som er stablet_array.

La oss nå sammenstille den forrige kodelinjen til DStack () -funksjonen og se hva vi får i skallet. Vi har to inngangsarrays (2D) i skallet, og så får vi den resulterende tredimensjonale stablede matrisen.

Eksempel 2:

La oss nå gå videre til det andre eksemplet på dstack () -funksjonen. I dette eksemplet har vi flerdimensjonale matriser og vi implementerer DStack () -funksjonen på dem. La oss se hva vi får etter samlingen av koden.

For å begynne å skrive den faktiske kodelinjen til DStack (), importerer vi først Python -biblioteket for å implementere DStack () -funksjonen som er Numpy. Vi importerer det numpy biblioteket med aliaset til Numpy som er NP.

La oss nå begynne å skrive koden. Vi oppretter først de flerdimensjonale matriser som er array1 og array2 som består av flere elementer i den. Deretter viser vi disse matriser i skallet ved å ringe disse matriser. Vi bruker den forhåndsdefinerte metoden til Python for å vise som er metoden Print (). Deretter passerer vi matrisenavnet i det. Som du kan se i metoden Print (), skrev vi også de relatable meldingene i henhold til inngangsarraysene. Vi bruker også “\ n” i dobbelt anførselstegn. “\ N” brukes til å gå inn i den nye linjen slik at utdataene våre ser organisert og håndterbar.

Deretter kaller vi DSTACK () -funksjonen slik at vi implementerer DStack () -funksjonen på inngangen Multi-dimensjonale matriser. Først skriver vi bibliotekets alias “NP” og skriver deretter DStack () -funksjonen. I denne funksjonen passerer vi de to nødvendige parametrene for funksjonen. Disse parametrene er inngangsarraysene. Og så lagrer vi DStack () -funksjonen til en ny matrise som er stablet_array. Etter alt dette skriver vi ut matrisen ved hjelp av setningen ().

Importer numpy som NP
Print ("Implementering av Numpy DStack () -funksjon på flerdimensjonal matrise: \ n")
Array1 = ([23, 87, 16, 88, 36], [22, 49, 25, 88, 10])
Print ("Den første matrisen er:", Array1)
Array2 = ([60, 99, 38, 76, 71], [41, 55, 11, 19, 69])
Print ("Den andre matrisen er:", Array2)
stablet_array = np.dStack ((Array1, Array2))
Print ("\ n the Resultering Stacked Arrays er: \ n", stablet_array)

Her er utgangen fra det tidligere nevnte eksemplet på DStack () -funksjonen. Som du kan se i følgende illustrasjon, får vi to stablede matriser fra flerdimensjonale matriser. Disse matriser er sammenkoblet gjennom indekser, noe som betyr at den første indeksen for Array1 er kombinert med den første indeksen for Array2 og den andre indeksen for Array1 er kombinert med den andre indeksen for Array2, og så videre.

Konklusjon

I denne opplæringen lærte vi en av stabelen () funksjonene til Python-Numpy-modulen som er DStack () -funksjonen. Vi lærte implementering av dStack () og parametere og returnert verdi. Vi implementerte DStack () -funksjonen gjennom flere detaljerte eksempler, og vi forklarte hver eneste kodelinje, slik at det ikke blir igjen noe forvirringspunkt for programmereren.