python将两个二维array叠加成三维array的实现方法

遇到这样一个需求：程序中每次循环生成一个二维array，需要把每次循环的二维array叠加成一个三维的array，例如有如下两个矩阵：

A=⎡⎣⎢a11a21a11a12a22a12a13a23a13⎤⎦⎥A=[a11a12a13a21a22a23a11a12a13]

B=⎡⎣⎢b11b21b11b12b22b12b13b23b13⎤⎦⎥B=[b11b12b13b21b22b23b11b12b13]

组合成以下这种形式：

这样组合之后，有一个非常大的优点就是：保持原有的二维array的形式不变，便于以后取出，比如说我想从C中取出A，只需要执行：A=C[0,:]即可。

但是百度之后发现，在python中，numpy函数包中并没有对应的函数来实现三维array中不断添加二维array（有知道这个函数的欢迎在评论区告诉我）

这里，提供两种“曲线救国”的解决方案：

方法一：

对于两个（或者多个）同一维度的矩阵，直接利用np.array()重新构造一个array,这样可以变相起到扩展维数的作用。例如：

import numpy as npa = np.array([[1,2,3],[4,5,6]])b = np.array([[2,2,3],[4,5,6]])c = np.array([[3,2,3],[4,5,6]])print('矩阵a：\n',a)print('维数：',a.shape)com = np.array([a,b,c])print('合并矩阵：\n',com)print('维数：',com.shape)

输出结果为：

矩阵a： [[1 2 3] [4 5 6]]维数： (2, 3)合并矩阵： [[[1 2 3]  [4 5 6]] [[2 2 3]  [4 5 6]] [[3 2 3]  [4 5 6]]]维数： (3, 2, 3)
方法二：

但是，如果两个array，使用方法一时会出现如下结果：

import numpy as npaa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])a = np.array([[4,2,3],[4,5,6]])com = np.array([aa,a])print('合并矩阵：\n',com)print('维数：',com.shape)

输出结果：

合并矩阵： [array([[[1, 2, 3],        [4, 5, 6]],       [[2, 2, 3],        [4, 5, 6]],       [[3, 2, 3],        [4, 5, 6]]]) array([[4, 2, 3],       [4, 5, 6]])]维数： (2,)

输出结果：

在深度学习中，也有类似于这样的需求，比如用图片来训练模型时，彩色图片就是一个个三维数组，需要把一批图片都送到网络中就需要把多个三维矩阵叠加。
tensorflow貌似提供了这样的函数，在搭建深度学习框架时可以直接使用，以后有机会继续扩展。

扩展阅读：

最后，附几个二维array中，添加一行或者一列元素的函数：

1 . np.append(a,b,axis=数字)

其中，axis = 0表示添加，axis = 1表示添加

2.增加一行或者一列。b = np.row_stack((a, 列元素))c = np.column_stack((a, 行元素))

占楼，学习下