Jak działa numpy dstack w języku Python? Przykład zastosowania

Jednym z przydatnych narzędzi oferowanych przez bibliotekę NumPy w języku Python jest funkcja numpy.dstack(). Jest to funkcja, która umożliwia łączenie tablic w trzecim wymiarze, czyli wzdłuż osi głębokości. Jeśli kiedykolwiek miałeś problem z organizowaniem danych w macierzach trójwymiarowych, to warto poznać ten mechanizm.

Co to jest numpy.dstack()?

Funkcja numpy.dstack() służy do konstruowania tablic trójwymiarowych z dwóch (lub więcej) tablic dwuwymiarowych. Łączy ona dostarczone tablice wzdłuż osi o indeksie 2, czyli po „głębokości” (ang. depth).

Pod względem działania można ją porównać do numpy.hstack(), który łączy tablice wzdłuż osi poziomej, oraz numpy.vstack(), który działa w osi pionowej. Jednak numpy.dstack() jest szczególnie przydatne w pracy z danymi obrazowymi czy analizą numeryczną wielowymiarowych struktur.

Podstawowy przykład użycia numpy.dstack()

Spójrzmy na prosty przykład, aby zobaczyć, jak działa numpy.dstack() w praktyce:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

result = np.dstack((a, b))

print(result)

Wynik:

array([[[1, 5],
        [2, 6]],

       [[3, 7],
        [4, 8]]])

Widzimy, że dwie tablice o wymiarach 2×2 zostały połączone wzdłuż trzeciej osi, tworząc trójwymiarową tablicę o wymiarach 2x2x2.

Wizualizacja działania numpy.dstack()

Aby lepiej zrozumieć, jak funkcja działa, spójrzmy na dane w postaci tabelarycznej.

1  2

3  4

5  6

7  8

[[1, 5], [2, 6]]

[[3, 7], [4, 8]]

Jak widać, elementy z obu tablic są układane warstwowo w nowym wymiarze.

Co się stanie, jeśli podamy więcej tablic?

Możemy przekazywać więcej niż dwie tablice, pod warunkiem że mają odpowiednie wymiary. Zobaczmy to na przykładzie:

c = np.array([[9, 10], [11, 12]])

result = np.dstack((a, b, c))

print(result)

Wynik:

array([[[ 1,  5,  9],
        [ 2,  6, 10]],

       [[ 3,  7, 11],
        [ 4,  8, 12]]])

Jak możemy zauważyć, trzecia tablica została dodana jako kolejna warstwa do istniejącej struktury.

Zastosowania numpy.dstack()

Funkcja numpy.dstack() znajduje zastosowanie w wielu dziedzinach, takich jak:

• Przetwarzanie obrazów – np. łączenie kanałów RGB do trójwymiarowej macierzy.
• Analiza danych – organizowanie informacji w trójwymiarowych tabelach.
• Modelowanie 3D – obsługa danych w strukturach wielu wymiarów.
• Obróbka danych numerycznych – grupowanie macierzy w jedną logiczną strukturę.

Porównanie numpy.dstack() z innymi metodami łączenia tablic

Aby lepiej zobrazować różnicę pomiędzy funkcją dstack() a innymi funkcjami łączenia tablic, spójrzmy na poniższe zestawienie:

[[1, 2, 5, 6], [3, 4, 7, 8]]

[[1, 2], [3, 4], [5, 6], [7, 8]]

[[[1, 5], [2, 6]], [[3, 7], [4, 8]]]

Podsumowanie

Funkcja numpy.dstack() to świetne narzędzie do łączenia tablic w trzecim wymiarze. Dzięki niej można w łatwy sposób organizować dane w struktury trójwymiarowe, co jest szczególnie przydatne w analizie numerycznej i przetwarzaniu obrazów. Jeśli potrzebujesz operacji łączenia macierzy wzdłuż głębokości, to właśnie ta funkcja jest dla Ciebie najlepszym rozwiązaniem.

Opanuj analizę danych w Pythonie z moim kursem!

Opanujesz podstawy programowania w Pythonie, w tym typy danych, zmienne, listy, słowniki, funkcje oraz obsługę błędów. Nauczysz się korzystać z biblioteki pandas do zaawansowanej analizy danych i pracy z różnymi rodzajami danych. Zrozumiesz proces analizy, eksploracji (EDA) i wizualizacji. Tworzenie własnych funkcji przygotuje Cię do rozmów kwalifikacyjnych i rozwiązywania rzeczywistych problemów biznesowych.

Zostań analitykiem danych – dołącz do KajoDataSpace!

Najlepsza ścieżka do zawodu analityka danych. Dostęp do pełnych wersji kursów online z Excela, SQLa, Tableau i Pythona z certyfikatami + specjalistycznych webinarów z PowerBI.

Ekskluzywana ale pomagająca sobie społeczność.
Ponad 61 godzin materiałów video.
Spotkania LIVE co miesiąc.
Mój osobisty mentoring.