空数组 依此填充 np.vstack

在NumPy中，`np.vstack`（vertically stack arrays）是一个函数，用于将多个一维或二维数组沿着垂直方向（即行方向）拼接成一个数组。当你想要创建一个空数组，然后用`np.vstack`填充数据时，首先你需要创建一个与所需最终形状相符的空数组。如果你想要一个空的二维数组，可以使用`np.zeros`或`np.empty`，分别指定行数和列数。

例如，如果你想要创建一个空的2行3列的二维数组，你可以这样做：

# 创建一个空的2行3列的数组
empty_array = np.empty((2, 3))

# 或者创建一个全0的同样形状的数组
zero_array = np.zeros((2, 3))

# 然后你可以使用np.vstack来添加数据到这个数组
data_to_stack = [your_data_1, your_data_2]  # 假设这是两个一维数组，长度分别为3
stacked_array = np.vstack(data_to_stack)

这里，`your_data_1`和`your_data_2`是你想要堆叠的具体数组。如果数据还没有准备好，可以先将它们存储在一个列表中，然后一次性用`np.vstack`处理。

相关问题

np.vstack的妙用（逐次填充空数组)

`np.vstack`是NumPy库中的一个函数，全称是vertically stack arrays，主要用于将一维或二维数组沿着垂直方向（也就是列方向）进行堆叠。它的作用是逐次将多个数组的行连接起来，形成一个新的二维数组。这对于处理数据集中不同记录、不同特征的数组非常有用，可以方便地组合数据以便于分析或进一步操作。

当你想要合并一系列具有相同列数但行数不同的数组时，`np.vstack`就派上用场了。比如，你可能有多个包含相同属性但来源于不同源的数据集，通过`np.vstack`，你可以将它们按照顺序添加在一起，形成一个完整的数据矩阵。

使用示例：

import numpy as np

# 假设我们有三个一维数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5])
arr3 = np.array([6, 7, 8, 9])

# 使用np.vstack将它们堆叠
stacked_arr = np.vstack((arr1, arr2, arr3))

# 输出结果是一个新的二维数组
print(stacked_arr)

points = np.vstack((points.T, np.ones(shape=(1, points.shape[0]))))

这段代码的作用是将一个形状为 (n, 2) 的二维数组 points 转换为一个形状为 (3, n) 的二维数组，其中第一行是 points 的第一列元素组成的一维数组，第二行是 points 的第二列元素组成的一维数组，第三行是都填充为 1 的一维数组。这种转换通常用于矩阵变换中，例如将平面上的点进行仿射变换或透视变换。在进行仿射变换时，需要将平面上的点表示成齐次坐标形式，即一个三维向量，其中第三个分量为 1，这样才能进行矩阵乘法运算。