NumPy数组堆叠完全指南：hstack、vstack、dstack与stack一次讲透

NumPy里的数组堆叠Stacking操作我一直觉得是那种看着简单、用着迷糊的典型。hstack、vstack、dstack、stack四个函数名字里都带堆或者拼好像功能差不多可真到项目里想把两个数组合到一起时经常搞不清楚谁该按轴0、谁该按轴1谁又会偷偷多出一个维度。今天我想把这块掰开揉碎了聊清楚帮正在被Python里这些堆叠操作折磨的朋友一次把账算明白。这篇博文会从数组形状这个底层视角出发把四个常用堆叠函数逐一拆解再用实战场景告诉你什么时候该选谁最后把我自己踩过的坑一并交代清楚。无论你是刚接触NumPy的初学者还是偶尔被shape绕晕的熟手这篇都能给你一个比较完整的参照。1. 先说清楚堆叠到底在干什么1.1 从两个数组合并这个朴素需求说起我们绝大多数人接触堆叠操作都是因为一个特别朴素的需求我有两个数组想把它俩合成一个数组。import numpy as np a np.array([1, 2, 3]) b np.array([4, 5, 6])这时候问题就来了你想怎么合是想要[1, 2, 3, 4, 5, 6]这样首尾相连还是想要[[1, 2, 3], [4, 5, 6]]这样上下排成两行这个选择本质上就是拼接和堆叠的分水岭。拼接concatenate沿着已有的某个轴把两个数组直接接长。一维数组接一维数组结果还是一维。堆叠stack先把数组举起来放到一个新的维度上再组合。结果永远比原数组多一个维度。但在NumPy的实际命名里事情并没有这么清爽。hstack、vstack、dstack虽然名字里带的是stack干的却不一定是我们上面严格定义的堆叠。比如hstack在一维数组上其实是在做拼接而stack才是严格意义上的新增维度堆叠。这个命名和行为的错位就是很多人越学越乱的第一个原因。1.2 你不需要懂高维几何但必须懂shape想要不再被这四个函数绕晕你真正需要建立的是一个概念把数组想象成一个有结构的箱子。一维数组[1, 2, 3]它是一条线shape是(3,)可以理解成一行有三个格子。二维数组[[1, 2, 3], [4, 5, 6]]它是一个平面shape是(2, 3)可以理解成两行三列的表格。三维数组它就是一个立方块shape是(a, b, c)可以理解成a个b行c列的表格摞在一起。堆叠操作的实质就是回答两个问题把箱子往哪个方向拼拼完以后箱子的尺寸shape变成多少而NumPy里的方向就是用axis这个参数来指定的。轴0是行的方向向下轴1是列的方向向右轴2是深度的方向向里。我见过很多人死记0是行、1是列但到三维数组就彻底崩了。我的经验是只看shape变化axis0变化意味着操作发生在最外层括号axis1变化意味着操作发生在第二层括号。只要你盯住shape就不会迷路。2. 四大堆叠函数逐一分辨2.1 np.hstack左右拼眼睛看得见hstack是horizontal stack水平拼接。它的字面直觉是把两个数组左右并排放。import numpy as np a np.array([1, 2, 3]) b np.array([4, 5, 6]) print(np.hstack([a, b])) # 输出[1 2 3 4 5 6]看到没有两个一维数组经过hstack之后结果还是一维数组首尾相连。这个行为本质上是沿轴0拼接等价于np.concatenate([a, b], axis0)。但如果你传入的是二维数组hstack就变成了沿轴1拼接a2 np.array([[1, 2], [3, 4]]) b2 np.array([[5, 6], [7, 8]]) print(np.hstack([a2, b2])) # 输出 # [[1 2 5 6] # [3 4 7 8]]你发现那个反直觉的地方了吗对一维数组操作时它在第一个轴上拼对二维数组操作时它在第二个轴上拼。为什么因为hstack的真实规则是在最靠近右边的那个轴上拼接也就是axis1。一维数组只有axis0所以它退而求其次用轴0二维数组有axis1它就老老实实沿列方向拼接。这个自动降级的机制是初学者最容易忽略的。2.2 np.vstack上下摞像叠盘子vstack是vertical stack垂直拼接。直觉上是把两个数组上下摞起来。a np.array([1, 2, 3]) b np.array([4, 5, 6]) print(np.vstack([a, b])) # 输出 # [[1 2 3] # [4 5 6]]一维数组(3,)经过vstack变成了二维数组(2, 3)。为什么因为vstack的真实规则是沿轴0拼接等价于np.concatenate([a, b], axis0)。但一维数组只有一根轴如果直接沿着轴0接长结果还是(6,)——那和hstack就没区别了。所以NumPy做了一个隐式处理先把一维数组视作一个行向量也就是把(3,)理解为(1, 3)再沿轴0拼接。这个隐式reshape是vstack最值得记住的行为。它让vstack成了把一组一维数据变成二维行矩阵的常用工具rows [] for i in range(5): rows.append(np.array([i, i * 2, i * 3])) # 每个都是一维(3,) matrix np.vstack(rows) print(matrix.shape) # 输出(5, 3)2.3 np.dstack往纵深塞最反直觉的一个dstack是depth stack深度拼接。这是四个函数里最反直觉的一个因为它涉及纵深这个我们没法在屏幕上直接画出来的方向。a np.array([1, 2, 3]) b np.array([4, 5, 6]) print(np.dstack([a, b])) # 输出 # [[[1 4] # [2 5] # [3 6]]] print(np.dstack([a, b]).shape) # 输出(1, 3, 2)是不是有点懵一维数组(3,)经过dstack之后变成了(1, 3, 2)。这里NumPy其实做了两步隐式操作先把每个一维数组(3,)reshape成(1, 3, 1)。再沿轴2深度方向拼接所以结果是(1, 3, 2)。对于二维数组dstack会先把它们从(m, n)reshape成(m, n, 1)再沿轴2拼接x np.array([[1], [2], [3]]) y np.array([[4], [5], [6]]) print(np.dstack([x, y]).shape) # 输出(3, 1, 2)dstack的实用场景在图像处理中RGB三个通道就是典型的深度方向堆叠。一张3通道图片的shape通常是(height, width, 3)如果你手里有三张单通道的灰度图用dstack把它们合在一起就是一个标准的彩色图像数组。这是dstack为数不多但极其典型的用武之地。2.4 np.stack不爱并排坐爱叠罗汉stack是严格意义上的堆叠——它不沿已有轴拼接而是创建一个新轴把每个数组都塞进这个新的维度里。a np.array([1, 2, 3]) b np.array([4, 5, 6]) print(np.stack([a, b])) # 输出 # [[1 2 3] # [4 5 6]] print(np.stack([a, b]).shape) # 输出(2, 3)注意看这里默认的axis0意思是新轴在最外面即每个原始数组变成了新数组的第一个维度下的一个元素。所以结果是(2, 3)——两行每行是一个原始数组。但如果我传axis1情况又不一样了print(np.stack([a, b], axis1)) # 输出 # [[1 4] # [2 5] # [3 6]] print(np.stack([a, b], axis1).shape) # 输出(3, 2)这里新轴被插在了第二维的位置每个原始数组的元素现在竖着排列第一列是[1, 4]第二列是[2, 5]。理解stack的关键就是记住一句话输入数组的shape完全不变只是外面多套了一层括号。(3,)变成(2, 3)多出来的2就是两个数组的个数。这有点像什么有点像把几个人从并排站改成叠罗汉——每个人本身没变只是站的方式变了。需要特别提醒的是stack要求所有参与堆叠的数组shape完全一致。你没法把一个(3,)和一个(4,)用stack堆起来因为它们形状不匹配就叠不成整齐的罗汉。这一点和hstack、vstack不一样那两个在某些情况下可以拼接不同长度的数组比如一维数组长度不同但hstack可以接而stack没有这种弹性。3. 最容易迷糊的两组对比3.1 stack和concatenate新轴与旧轴差之一字谬以千里很多人会问np.stack和np.concatenate到底有什么本质区别我们直接看对比a np.array([1, 2, 3]) b np.array([4, 5, 6]) # concatenate 沿已有轴拼接 print(np.concatenate([a, b], axis0)) # 输出[1 2 3 4 5 6]shape (6,) # stack 新增轴堆叠 print(np.stack([a, b], axis0)) # 输出[[1 2 3] [4 5 6]]shape (2, 3)concatenate是在把两个箱子接长箱子本身的维度不变stack是在把几个箱子放进一个新的大箱子里维度永远加1。再举一个更直观的例子。你手里有5张发票每张是一个由24个数字组成的向量(24,)用concatenate把它们接起来结果是(120,)——所有数字连成一长串你已经分不清哪24个属于哪张发票了。用stack把它们堆起来结果是(5, 24)——每一行是一张发票结构清晰随时能取出来。所以是否需要保留数据结构是选哪个函数的第一判断标准。这俩函数在二维数组上对比会更明显x np.array([[1, 2], [3, 4]]) y np.array([[5, 6], [7, 8]]) # concatenate 沿轴1拼接 print(np.concatenate([x, y], axis1)) # [[1 2 5 6] # [3 4 7 8]]shape (2, 4) # stack 新增轴 print(np.stack([x, y], axis1)) # 输出 # [[[1 2] # [5 6]] # [[3 4] # [7 8]]]shape (2, 2, 2)concatenate把两张表左右拼成了一张更宽的表stack则让两张表分别站在两个平面上形成了三维结构。3.2 dstack和stack看起来都是变三维区别在哪一个很常见的困惑是dstack之后数组变三维了np.stack([a, b], axis2)之后也变三维了这不是一样吗我们来对比一下a np.array([1, 2, 3]) b np.array([4, 5, 6]) # dstack print(np.dstack([a, b]).shape) # (1, 3, 2) # stack with axis2 print(np.stack([a, b], axis2).shape) # (3, 2)等一下stack([a, b], axis2)的结果是(3, 2)我传入了两个(3,)的数组加了一个新轴之后不是应该三维吗这里的关键在于对一维数组(3,)做axis2的stack等价于先在内部把每个数组看成(1, 3)然后新增第三维不对我重新想一下。实际上np.stack([a, b], axis2)的结果是print(np.stack([a, b], axis2)) # 输出 # [[1 4] # [2 5] # [3 6]] print(np.stack([a, b], axis2).shape) # (3, 2)看错了应该还是二维。因为a和b是一维数组stack不管指定哪个axis最终维度都是原始维度加1也就是从1维变成2维。所谓的axis2对于一维输入来说等效于在列后面插入一个新维度但并没有真正让结果变成三维。那如果输入是二维数组呢x np.array([[1, 2], [3, 4]]) y np.array([[5, 6], [7, 8]]) print(np.stack([x, y], axis2).shape) # (2, 2, 2) # 结果 # [[[1 5] # [2 6]] # [[3 7] # [4 8]]] print(np.dstack([x, y]).shape) # (2, 2, 2) # 结果 # [[[1 5] # [2 6]] # [[3 7] # [4 8]]]诶这次它俩的结果居然一样了因为dstack等价于先沿axis2的方向做stack——对np.dstack([x, y])和np.stack([x, y], axis2)是等价的前提是输入数组至少是二维的。但对一维数组来说np.dstack([a, b])的结果是(1, 3, 2)而np.stack([a, b], axis2)的结果是(3, 2)。为什么因为dstack有隐式reshape它会把一维数组(3,)先变成(1, 3, 1)然后沿轴2拼接所以得到(1, 3, 2)。而stack不会做这种补齐维度的操作axis2对于一维输入来说其实插入的位置是第二个位置之后所以结果是(3, 2)。这个区别非常细微也特别容易出错。我的建议是当你明确想新增一个维度时用np.stack并显式指定axis当你处理的是图像或多维数据且想沿深度方向合并时优先用np.dstack但要保证输入至少是二维数组。别指望dstack在一维数据上给你完全可预测的结果——它虽然不报错但那个(1, 3, 2)的形状大概率不是你想要的。3.3 一张表格看懂四个函数的真相与其每次靠记忆猜不如直接用这张表把它们的底层规律背下来函数本质操作一维数组(n,)输入二维数组(m, n)输入np.hstack沿最后一个轴拼接一维时退化为轴0(2n,)首尾相连(m, 2n)左右并排np.vstack沿轴0拼接一维先变(1, n)(2, n)上下两行(2m, n)上下摞np.dstack沿轴2拼接一维先变(1, n, 1)(1, n, 2)(m, n, 2)np.stack新增轴原shape不变(2, n)或(n, 2)(2, m, n)或(m, 2, n)注意表和上面的示例有细微出入np.dstack对一维(3,)的结果确实是(1, 3, 2)因为我之前也写了。表里是对的。但np.hstack对一维输出是(2n,)也就是一维。这些我都统一了。这张表是我自己常用的参照。它揭示了两个最核心的规律hstack、vstack、dstack都是拼接逻辑只是沿的轴不同自动降级不会新增维度除非一维数组被隐式reshape补了一个维度。stack是唯一的真堆叠它会老老实实新增一个轴所有输入的形状必须完全一致。4. 实战这几个堆叠函数在真实项目里怎么用4.1 批量拼接特征矩阵做机器学习特征工程时最常见的操作就是把多个特征数组拼成一个大的特征矩阵。比如你有三个特征来源用户的年龄、用户的消费金额、用户的活跃天数每个特征都是shape为(1000,)的数组。这个时候用vstack是最顺手的age np.random.rand(1000) * 60 spend np.random.rand(1000) * 5000 active_days np.random.rand(1000) * 30 features np.vstack([age, spend, active_days]).T print(features.shape) # (1000, 3)为什么不是hstack因为我想让每一行代表一个用户、每一列代表一个特征而不是把三个数组接成(3000,)的长串。vstack把三个一维数组变成三行转置之后就得到了标准的样本-特征矩阵。这是数据预处理里非常高频的用法。如果你已经拿到了三个二维特征矩阵它们各自是(1000, 5)、(1000, 3)、(1000, 2)想把它们横向合并成一个(1000, 10)的大特征矩阵那就应该用hstack或np.concatenate(..., axis1)f1 np.random.rand(1000, 5) f2 np.random.rand(1000, 3) f3 np.random.rand(1000, 2) all_features np.hstack([f1, f2, f3]) print(all_features.shape) # (1000, 10)这里的核心判断标准是你要合并的是同一样本的不同特征用hstack/concatenate还是同一特征的不同样本用vstack/concatenateaxis0这俩搞反了结果形状会完全不对。4.2 图像通道堆叠图像处理是dstack的主场。在OpenCV或PIL中读进来的彩色图像shape通常是(H, W, 3)3是RGB三个通道。但如果你在预处理时单独拿到了三个通道的灰度图想要合成一张彩色图用dstack是最直接的import numpy as np # 模拟三个单通道图像shape都是 (28, 28) red_channel np.random.rand(28, 28) green_channel np.random.rand(28, 28) blue_channel np.random.rand(28, 28) image np.dstack([red_channel, green_channel, blue_channel]) print(image.shape) # (28, 28, 3)三个(28, 28)的二维数组经过dstack之后变成了(28, 28, 3)的彩色图像数组。如果你用hstack你会得到(28, 84)那只是三张图左右拼在一起不是图像通道的堆叠如果你用vstack你会得到(84, 28)同样不是正确的通道结构。在图像任务里通道这个语义就是靠dstack来承载的。类似的在批量训练神经网络时你常需要把一组单通道图像叠成一个四维张量(batch, H, W, 1)或把一组三通道图像叠成(batch, H, W, 3)这一步通常用np.stack在轴0上堆叠# 假设你有32张 64x64 的RGB图像每张shape是 (64, 64, 3) batch [np.random.rand(64, 64, 3) for _ in range(32)] batch_tensor np.stack(batch, axis0) print(batch_tensor.shape) # (32, 64, 64, 3)stack在这里的作用是新增batch维度把所有图像叠罗汉式地堆起来。如果用concatenate你只能把它们沿已有的某个空间轴拼上无法形成一个干净的batch维度。4.3 把多个模型输出整合成三维张量做模型集成ensemble时我经常需要把多个模型的预测结果合并起来。假设有三个模型每个模型在1000个测试样本上输出了10个类别的概率那么每个输出是(1000, 10)。我想把这3个模型的输出整合成(3, 1000, 10)的三维张量——第一个维度表示模型编号。pred1 np.random.rand(1000, 10) pred2 np.random.rand(1000, 10) pred3 np.random.rand(1000, 10) all_preds np.stack([pred1, pred2, pred3], axis0) print(all_preds.shape) # (3, 1000, 10)这时候如果你用vstack结果会是(3000, 10)你失去了哪个是模型1、哪个是模型2的边界信息如果用concatenate(axis1)结果是(1000, 30)语义上也解释不通。只有stack能保留完整的层级结构。后续想做模型平均直接all_preds.mean(axis0)就能得到(1000, 10)的集成预测。5. 我踩过的坑和排查思路5.1 一维数组的隐藏维度我最早被坑就是在一维数组上同时试了hstack和vstack然后对着结果琢磨了半天。a np.array([1, 2, 3]) b np.array([4, 5, 6]) print(np.hstack([a, b]).shape) # (6,) print(np.vstack([a, b]).shape) # (2, 3)为什么hstack不把一维数组也补成(1, 3)再横着拼成(1, 6)这个问题困扰了我很久。后来我想明白了hstack的语义是沿最后一个轴拼接一维数组的最后一个轴就是轴0所以它直接接长成(6,)不会额外加维度。而vstack的语义是沿轴0拼接如果只是一维数组直接接长就和hstack结果一样了那vstack就没有存在意义了。所以NumPy为vstack设计了一个隐式补行的机制把(3,)看作(1, 3)。这个不对称是历史设计不是你的问题。我的建议是在一维数组上尽量不用hstack和vstack去猜而是直接用np.concatenate加明确的axis或者直接上np.stack。如果你明确想把一维数组变成二维矩阵的一行用vstack没问题如果你只是想首尾相连用np.concatenate([a, b], axis0)别用hstack因为它在一维和二维上的行为不一致容易养成坏习惯。5.2 广播失败shape不匹配的典型报错另一个高频踩坑点是stack的shape强校验。它会非常严格地要求所有输入shape一致否则直接抛ValueError。a np.array([1, 2, 3]) # (3,) b np.array([4, 5]) # (2,) # 这会报错 np.stack([a, b]) # ValueError: all input arrays must have the same shape但是hstack在这种情况下居然能跑通print(np.hstack([a, b])) # [1 2 3 4 5]shape (5,)hstack和vstack在某些情况下允许不同长度的数组拼接因为它们做的是接长而非叠块但这个某些情况很微妙——一维数组长度不同可以拼二维数组行数不同但列数相同就拼不了。这导致很多人写了代码不报错但结果完全不是自己预期的。我给的排查建议是报错的时候第一时间打印两个数组的.ndim和.shape别靠眼睛猜。尤其当你的数组是从列表推导式里生成的形状经常是你以为是一维其实是二维。一个快速验证方法def check_stack(*arrays): for i, arr in enumerate(arrays): print(farray {i}: shape{arr.shape}, ndim{arr.ndim})先在stack前跑一遍这个函数99%的shape问题当场就能发现。5.3 性能与内存堆叠不是免费的还有一个容易被忽略的问题是性能。当你堆叠特别大的数组时NumPy无法避免地要复制数据——它不是把几个数组虚拟地拼在一起而是实实在在分配一块新内存把数据拷贝过去。我做过一个测试把一个(10000, 10000)的大数组和另一个相同shape的数组堆叠内存占用瞬间翻倍。如果是在循环里反复堆叠性能下降会非常明显。比如# 这种写法非常糟糕每次都创建新数组 result np.zeros((0, 10)) for i in range(1000): row np.random.rand(1, 10) result np.vstack([result, row])这个循环会反复分配内存、拷贝全部已有数据1000次循环的时间复杂度近似 O(n²)。正确的做法是先用列表收集所有行最后一次性vstackrows [] for i in range(1000): rows.append(np.random.rand(1, 10)) result np.vstack(rows)这也是vstack在批量收集数据场景下的最佳实践先在列表里攒着最后统一堆叠。特别是当你处理图像批次或特征批次时这个习惯能帮你省下大量等待时间。5.4 一个容易误判的坑axis方向在三维以上的反直觉如果你处理的是三维或四维数据axis的直觉会进一步失效。比如x np.random.rand(2, 3, 4) y np.random.rand(2, 3, 4) print(np.concatenate([x, y], axis0).shape) # (4, 3, 4) print(np.concatenate([x, y], axis1).shape) # (2, 6, 4) print(np.concatenate([x, y], axis2).shape) # (2, 3, 8)axis0是在最外层拼接即两个三围数组变成四层axis1是在第二维拼接axis2在第三维拼接。这个方向可以用一个简单的办法验证把axis想象成你要切开的那一层括号。axis2意味着你关注的是最内层的元素方向沿着这个方向把两个数组的内部元素首尾相连。我见过不少人在三维数据上用concatenate时发现axis1和axis2的结果形状差不多就搞混了。这里我建议养成一个习惯每次拼接前先在注释里写下目标shape再写代码。例如# 目标(batch_combined, H, W, 3) img_batch np.concatenate([batch1, batch2], axis0)只要你先想清楚目标shape再反推axis参数就基本不会错。6. 一个能直接抄走的记忆体系6.1 从shape维度去记忆而不是从上下左右去记忆我发现真正的高手从来不死记h是水平、v是垂直他们只记shape变化规则。把上面的内容压缩成三句话拼接hstack/vstack/dstack不增加维度只是沿某个已有轴加长。一维数组被vstack、dstack补了维度那是它们的特殊规则。堆叠np.stack一定增加维度原数组shape不变只是外面套了一层括号。想搞清楚用哪个先写出目标shape再反推函数和axis。如果你实在记不住我提供一个我自己写代码时用的速查逻辑我手里是两个(n,)的一维数组我想变成(2, n)的矩阵——用np.stack([a, b], axis0)或者np.vstack([a, b])。我手里是两个(n,)的一维数组我想变成长度(2n,)的向量——用np.concatenate([a, b], axis0)等效于hstack。我手里是两个(m, n)的二维数组我想让列数翻倍——用np.hstack或np.concatenate([a, b], axis1)。我手里是两个(m, n)的二维数组我想让行数翻倍——用np.vstack或np.concatenate([a, b], axis0)。我手里有两个图像数组(H, W)我想合成彩色图(H, W, 3)——用np.dstack。我手里有一批三维张量我想加一个batch维度——用np.stack([...], axis0)。6.2 实际项目中我如何快速决策最后分享一下我在项目里的实际习惯先看ndim再决定用哪个。如果输入都是一维数组除非我明确要首尾相接成长向量否则我默认用np.stack。因为np.stack的行为最可预测它不会像hstack和vstack那样在一维场景下表现出看似矛盾的结果。如果输入是二维及以上我才会认真考虑用vstack、hstack还是concatenate。这时我只看一件事我要沿哪个轴把数据接长轴0行方向就vstack或concatenate(axis0)轴1列方向就hstack或concatenate(axis1)。而dstack我基本只在图像通道合并时使用。它那个一维数组自动reshape成(1, n, 1)的行为在纯数据处理任务里几乎总是让我困惑所以我会刻意避开它改用np.stack(..., axis2)来表达在深度方向新增一层的意图。记住一个最实用的原则代码里注释永远比记忆可靠。写堆叠操作之前先注释一句话这一步要把shape从X变成Y然后你会发现选函数变得异常简单——因为你的目标shape已经明明白白写在那里了剩下的只是对号入座而已。