numpy.dstack – 配列を奥行き方向に連結

numpy.dstackは、配列を奥行き方向に重ねていく関数です。dstack「d」は「depth(奥行き)」の頭文字です。「stack」は「重ねる」なので、「奥行きを重ねる」ということです。

それでは、実際のコードを見て確認していきましょう。

目次

1. numpy.dstackの使い方

まずは、基本的な書き方を確認しましょう。

numpy.dstack関数

書き方:

np.dstack(tup)

パラメーター:

引数   解説
tup  sequence of ndarrays ここで指定した配列同士を横に重ねます。3つ目の軸(axis=2)を除いて配列同士のshapeが合致している必要があります。ただし1次元配列同士と2次元配列同士の場合は、shapeが完全に一致している必要があります。

戻り値: 

要素を重ねた新しいndarray

一緒に確認したい関数:

  • stack:  配列同士を新しい軸にそって重ねる。
  • vstack: 配列同士を垂直に重ねる。
  • hstack: 配列同士を水平に重ねる。
  • concatenate: 配列同士を既に存在する軸にそって連結する。
  • dsplit: 

3次元配列以上を重ねる場合、np.dstack()は、「axis=2」でnumpy.concatenateで連結するのと同じです。3次元配列同士を重ねる場合は、「axis=2」、つまり列以外のshapeが一致している必要があります。

1次元配列同士の場合は、3次元配列に変換してから重ねられます。

例えば、shape(N, )の1次元配列同士を重ねる場合は、まず、shape(1, N, 1)の3次元配列を生成します。そして1次元配列同士を2つ重ねるとshape(1, N, 2)が、3つ重ねるとshape(1, N, 3)の3次元配列が生成されます。

なお、1次元配列同士を重ねる場合は、shapeが完全に一致している必要があります。

2次元配列同士を重ねる場合は、まず、shape(N, M)の2次元配列を、shape(N, M, 1)の3次元配列に変換してから重ねます。そして2次元配列を2つ重ねるとshape(N, M, 2)、3つ重ねると(N, M, 3)の3次元配列が生成されます。

また、2次元配列同士を重ねる場合も、shapeが完全に一致している必要があります。

numpy.dstackは、主に3次元までの配列を扱う際に用いられます。例えば、「高さ・幅・r/g/b」をもつピクセルデータのようなデータを扱うような場合です。

それでは、実際のコードで、使い方を確認していきましょう。

1.1. 1次元配列の場合は3次元配列にして列を重ねる

まずは1次元配列同士の場合を見ていきましょう。

1次元配列は、shape(N, )の1次元配列を、shape(1, N, 1)の3次元配列に変換してから列を重ねていきます。例えば、以下のコードでは、shape(3,)の1次元配列を重ねているので、shape(1, 3, 2)の3次元配列が生成されています。

In [1]:
import numpy as np
'''  1次元配列同士では奥行き1×行数n×列数2の3次元配列を生成します。  '''
#  元の配列①を生成
arr1 = np.arange(3)
#  元の配列②を生成
arr2 = np.arange(3, 6)
#  ①と②を重ねた新しい配列を生成
arr3 = np.dstack((arr1, arr2))

print('arr1: 元の配列①\n', arr1, '\n')
print('arr2: 元の配列②\n', arr2, '\n')
print('arr3: 新しい配列\n', arr3, '\n')
print('arr3のshape\n', arr3.shape, '\n')
print('arr3の次元数\n', arr3.ndim)
arr1: 元の配列①
 [0 1 2] 

arr2: 元の配列②
 [3 4 5] 

arr3: 新しい配列
 [[[0 3]
  [1 4]
  [2 5]]] 

arr3のshape
 (1, 3, 2) 

arr3の次元数
 3

配列は好きなだけ重ねることができます。

以下のコードではshape(3,)の1次元配列を3つ重ねているので、shape(1, 3, 3)の3次元配列が生成されます。

In [2]:
''' 重ねた配列の数だけ列数が増えていきます。 '''
#  元の配列③を生成
arr4 = np.arange(6, 9)
#  ①と②と③を重ねた新しい配列を生成
arr5 = np.dstack((arr1, arr2, arr4))

print('arr5: 新しい配列\n', arr5, '\n')
print('arr5のshape\n', arr5.shape, '\n')
print('arr5の次元数\n', arr5.ndim)
arr5: 
 [[[0 3 6]
  [1 4 7]
  [2 5 8]]] 

arr5のshape
 (1, 3, 3) 

arr5の次元数
 3

なお、1次元配列同士の場合はshape(列数)が異なるとエラーになります。

In [3]:
'''  列数が異なる1次元配列同士だとエラーになります。  '''
#  4列(要素数4)の1次元配列④を生成
arr6 = np.arange(4)
print('arr1: 元の配列①\n', arr1, '\n')
print('arr6: 元の配列④\n', arr6, '\n')
print('新しい配列\n', np.dstack((arr1, arr6)))
arr1: 元の配列①
 [0 1 2] 

arr6: 元の配列④
 [0 1 2 3] 

ValueError: all the input array dimensions except for the concatenation axis must match exactly

1.2. 2次元配列の場合は3次元配列に変換して列を重ねる

続いて2次元配列同士の場合です。

2次元配列は、例えば、shape(N, M)の2次元配列は、shapeが(N, M, 1)の3次元配列に変換されてから、列が重ねられます。

以下のコードでは、shape(2, 3)の2次元配列を重ねているので、shape(2, 3, 2)の3次元配列が生成されています。

In [4]:
'''  2次元配列同士では、奥行き2×行数n×列数2の三次元配列を生成します。  '''
#  元の2次元配列①を生成
arr7 = np.arange(6).reshape(2, 3)
#  元の2次元配列②を生成
arr8 = np.arange(6, 12).reshape(2, 3)
#  ①と②を重ねた新しい配列を生成
arr9 = np.dstack((arr7, arr8))

print('arr7: 元の2次元配列①\n', arr7, '\n')
print('arr8: 元の2次元配列②\n', arr8, '\n')
print('arr9: 新しい配列\n', arr9, '\n')
print('arr9のshape\n', arr9.shape, '\n')
print('arr9の次元数\n', arr9.ndim)
arr7: 元の2次元配列①
 [[0 1 2]
 [3 4 5]] 

arr8: 元の2次元配列②
 [[ 6  7  8]
 [ 9 10 11]] 

arr9: 新しい配列
 [[[ 0  6]
  [ 1  7]
  [ 2  8]]

 [[ 3  9]
  [ 4 10]
  [ 5 11]]] 

arr9のshape
 (2, 3, 2) 

arr9の次元数
 3

重ねた2次元配列の数だけ列数が増えていきます。

以下のコードでは、shape(2, 3)の2次元配列を3つ重ねているので、shape(2, 3, 3)の3次元配列が生成されます。

In [5]:
'''  重ねた配列の数だけ列数が増えていきます。  '''
#  元の2次元配列③を生成
arr10 = np.arange(12, 18).reshape(2, 3)
#  ①と②と③を重ねた3次元配列を生成
arr11 = np.dstack((arr7, arr8, arr10))

print('arr11: 新しい配列\n', arr11, '\n')
print('arr11のshape\n', arr11.shape, '\n')
print('arr11の次元数\n', arr11.ndim)
arr11: 新しい配列
 [[[ 0  6 12]
  [ 1  7 13]
  [ 2  8 14]]

 [[ 3  9 15]
  [ 4 10 16]
  [ 5 11 17]]] 

arr11のshape
 (2, 3, 3) 

arr11の次元数
 3

なお、2次元配列同士の場合は、shapeが異なるとエラーになります。

In [6]:
'''  行数、列数のどちらか一方でも違うとエラーになります。  '''
#  2次元配列④を生成
arr12 = np.arange(6, 8).reshape(2, 1)
print('arr7: 元の2次元配列①\n', arr7, '\n')
print('arr12: 元の2次元配列④\n', arr12, '\n')

#  配列のshapeが異なるのでエラー
np.dstack((arr7, arr12))
arr7: 元の2次元配列①
 [[0 1 2]
 [3 4 5]] 

arr12: 元の2次元配列④
 [[6]
 [7]] 

ValueError: all the input array dimensions except for the concatenation axis must match exactly

1.3. 3次元配列同士の場合は列を重ねる

最後に3次元配列同士の場合です。

この場合は、「axis=2」でnumpy.concatenateで連結するのと同じで、列が重ねられていきます。例えば、shape(N, M, 1)の3次元配列を2つ重ねると、shape(N, M, 2)の3次元配列になります。

以下のコードでは、shape(2, 2, 3)の配列を重ねているので、shape(2, 2, 6)の3次元配列が生成されています。

In [7]:
'''  3次元配列以上では奥行き数と行数は同じで列を重ねる。 '''
#  3次元配列①を生成
arr13 = np.arange(12).reshape(2, 2, 3)
#  3次元配列②を生成
arr14 = np.arange(12, 24).reshape(2, 2, 3)
#  ①と②の行を重ねる
arr15 = np.dstack((arr13, arr14))

print('arr13: 元の3次元配列①\n', arr13, '\n')
print('arr14: 元の3次元配列②\n', arr14, '\n')
print('arr15: 新しい配列\n', arr15, '\n')
print('arr15のshape\n', arr15.shape, '\n')
print('arr15の次元数\n', arr15.ndim)
arr13: 元の3次元配列①
 [[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]] 

arr14: 元の3次元配列②
 [[[12 13 14]
  [15 16 17]]

 [[18 19 20]
  [21 22 23]]] 

arr15: 新しい配列
 [[[ 0  1  2 12 13 14]
  [ 3  4  5 15 16 17]]

 [[ 6  7  8 18 19 20]
  [ 9 10 11 21 22 23]]] 

arr15のshape
 (2, 2, 6) 

arr15の次元数
 3

重ねただけ列数が増えていきます。

以下のコードでは、shape(2, 2, 3)の配列を3つ重ねているので、shape(2, 2, 9)の3次元配列が生成されています。

In [8]:
'''  3次元配列の場合は重ねた分だけ列数が増えていきます。  '''
#  3次元配列③を生成
arr16 = np.arange(24, 36).reshape(2, 2, 3)
#  3次元配列①と②と③を重ねる
arr17 = np.dstack((arr13, arr14, arr16))

print('arr13: 元の3次元配列①\n', arr13, '\n')
print('arr16: 元の3次元配列②\n', arr16, '\n')
print('arr17: 新しい配列\n', arr17, '\n')
print('arr17のshape\n', arr17.shape, '\n')
print('arr17の次元数\n', arr17.ndim)
arr13: 元の3次元配列①
 [[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]] 

arr16: 元の3次元配列②
 [[[24 25 26]
  [27 28 29]]

 [[30 31 32]
  [33 34 35]]] 

arr17: 新しい配列
 [[[ 0  1  2 12 13 14 24 25 26]
  [ 3  4  5 15 16 17 27 28 29]]

 [[ 6  7  8 18 19 20 30 31 32]
  [ 9 10 11 21 22 23 33 34 35]]] 

arr17のshape
 (2, 2, 9) 

arr17の次元数
 3

奥行きと行数が揃っていれば、列数が異なる3次元配列同士を重ねることができます。

以下のコードではshape(2, 2, 3)とshape(2, 2, 4)同士を重ねて、shape(2, 2, 7)の3次元配列を生成しています。

In [9]:
'''  奥行きと行数が揃っていれば、列数が異なっても重ねることが可能です。  '''
#  3次元配列④を生成
arr18 = np.arange(12, 28).reshape(2, 2, 4)
#  配列①と④は奥行きと行数が揃っているので重ねることが可能
arr19 = np.dstack((arr13, arr18))

print('arr13: 元の3次元配列①\n', arr13, '\n')
print('arr18: 元の3次元配列④\n', arr18, '\n')
print('arr19: 新しい配列\n', arr19, '\n')
print('arr19のshape\n', arr19.shape, '\n')
print('arr19の次元数\n', arr19.ndim)
arr13: 元の3次元配列①
 [[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]] 

arr18: 元の3次元配列④
 [[[12 13 14 15]
  [16 17 18 19]]

 [[20 21 22 23]
  [24 25 26 27]]] 

arr19: 新しい配列
 [[[ 0  1  2 12 13 14 15]
  [ 3  4  5 16 17 18 19]]

 [[ 6  7  8 20 21 22 23]
  [ 9 10 11 24 25 26 27]]] 

arr19のshape
 (2, 2, 7) 

arr19の次元数
 3

しかし、奥行きと行数のどちらか一方でも揃っていなければエラーになります。

In [10]:
'''  奥行きと行数が一方でも揃っていなければエラーになります。  '''
#  3次元配列⑤を生成
arr20 = np.arange(12, 18).reshape(2, 1, 3)
print('arr13: 元の3次元配列①\n', arr13, '\n')
print('arr20: 元の3次元配列⑤\n', arr20, '\n')

#  配列①と⑤は行数が揃っていないのでエラー
np.dstack((arr13, arr20))
arr13: 元の3次元配列①
 [[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]] 

arr20: 元の3次元配列⑤
 [[[12 13 14]]

 [[15 16 17]]] 

ValueError: all the input array dimensions except for the concatenation axis must match exactly

2. まとめ

以上が、numpy.dstackの使い方です。同じような関数として、以下も確認しておくと良いでしょう。



よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

この記事を書いた人

コメント

コメントする

このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください

目次
閉じる