Numpy: 펑키 vstack

hstack / vstack / dstack을 권장하지 않으며, 대신 np.stack 를 특별히 권장합니다. 그러나 차이점은 2 차원 배열을 전달하는 경우입니다. 스택 함수 중 일부는 새로운 차원을 삽입하지만 (특정 화신의 경우) hstack 는 그렇지 않은 것 같습니다.

np.concatenate 또는 np.stack 중 하나가 선호되는 API (일반적으로)라는 마지막 문장을 추가하는 것은 좋지만 함수 삭제에 대한 실제 열망이 없다고 생각합니다.

내 질문은 _ 왜 예외입니다 _ ???

@seberg 가 직접 대답하지 않았기 때문입니다.

• 오래 전에 누군가가 좋은 생각이라고 생각했습니다
• 이제 모두를 깨지 않고 변경하기에는 너무 늦었습니다.

1D 배열은 일반적으로 "수직"이 아닌 numpy에서 "수평"으로 처리됩니다. 예를 들어 (N,) 1D 배열로 (N, N) 2D 배열을 브로드 캐스팅 할 때 1D 배열은 (N, 1) 아닌 (1, N) 브로드 캐스트됩니다. hstack()/vstack()/dstack() 는 상수 축의 개념 (원하는 경우 stack() 사용할 수 있음)을 중심으로 구축되지 않았지만 고정 축에 깔끔하게 매핑되지 않는 "수평 / 수직 / 깊이"개념 모든 배열 차원.

나는 그 자체로 hstack()/vstack()/dstack() 낙담하는 언어에 대해 -1입니다. 나는 _ 여전히 _ 그것들이 의미론의 예외 때문에 훌륭하고 유용하다고 생각합니다. stack() 의해 간결하게 포착되지 않은 개념을 포착합니다.

예를 들어, 1D 배열 앞에 스칼라 값을 추가하거나 추가해야하는 일반적인 요구가 있습니다. np.hstack([0.0, some_vector]) 이 (가) 이에 적합합니다. np.stack([0.0, some_vector]) 와 np.concatenate([0.0, some_vector]) 는 같은 차원이 아니기 때문에 보크합니다.

사실, 이러한 도구는 제 생각에 주어진 컨텍스트에서 작업하는 것과 관련이 있습니다. 그러니 그냥 닫겠습니다. 우리는 "펑키 한"동작이없는 일반 도구를 가지고 있으며 다른 도구는 좋은 유틸리티 일 때 유지됩니다.

@rkern , concatenate 수정이 필요합니다, IMHO. 스태킹은 여기에서 고려되지 않는 추가 희미한 부분을 추가 한 후 연결하는 것을 의미합니다. 하지만 좋아요 ...

@seberg , 사용 중단 경고가 여기에서 환영받을 것 같습니다. 1D 배열은 수평이나 수직이 아닙니다. 그리고 hstack 는 concatenate 돌아가서 추가 차원을 추가하는 것을 잊었습니다. 이것은 실제로 "펑키"해 보입니다. 하지만 당신이 논의 할 시간이 없다면 음 ...

다른 모든 ?stack 함수는 현재 작업을 수행하는 데 필요한 것보다 희미한 경우에만 추가 희미 함을 추가합니다. 이 경우에는 0d 만 포함됩니다.

@Atcold 나는 사용자를 stack 넛 지하 라는 제안을 받고 있지만 아마도 이러한 기능을 사용하는 것을 적극적으로 두려워하지 않는 범위 내에있을 것입니다.