stack(): 数据重组
stack(arrays , axi=0或者1)
arrays可以是数组、列表
axi=0的意思是，把arrays里面的每一个元素arrays[0]~arrays[n]按行重新组合在一起：
a=[[1, 2, 3], [4, 5, 6]]
》np.stack(a,axis=0)
》[[1 2 3]
[4 5 6]]axi=1的意思是，把arrays里面的每一个元素arrays[0]~arrays[n]按列重新组合在一起
a=[[1, 2, 3], [4, 5, 6]]
》np.stack(a,axis=1)
》[[1 4]
[2 5]
[3 6]]
hstack()：按列拼接
hstack(tup),tup可为元组，列表，或者numpy数组。hstack把tup中每一个元素tup[i]按列拼接：
a=[1,2,3]
b=[4,5,6]
》np.hstack((a，b)) # (a，b) = ([1, 2, 3], [4, 5, 6])
》[1 2 3 4 5 6 ]
vstack()：按行拼接
vstack(tup),跟hstack一样，tup可为元组，列表，或者numpy数组。
vstack将tup的每一个元素tup[i]按列重新组合在一起。
a=[1,2,3]
b=[4,5,6]
》np.vstack((a，b))
》[[1 2 3]
[4 5 6]]其实这样描述会有很多误解，比如为什么hstack和vstack明明是拼接，为什么只有一个tup（数组、元组或者列表）。
其实三者的共同之处就是重组，要拼接，其实我们是先将他们用括号（a,b）连接起来了，然后重组的。所以其实它的功能本质上就是数据结构的重组。那么reshape也是重组，有什么区别呢？
stack\hstack\vstack他们的重组，实际上是将里面的元素按行或者按列重新打包，和reshape是重新排列，下图了然。
所谓重组，就是加一个维度，来重组数组。左上第一个其实是特列，在hstack看来，[1 2 3 ] ,[4 5 6]其实本身就是一行按顺序堆叠好的数，也就是在Hstack看来，它就是[1 2 3 4 5 6]。按行堆叠
后者就比较明细那了，[1 2 3 ] ,[4 5 6]按列堆叠。