Numpy：内部尺寸不同的堆栈数组

我的情况与以下类似：

import numpy as np

a = np.random.rand(55, 1, 3)
b = np.random.rand(55, 626, 3)

在这里，形状表示观察的数量，然后是每次观察的时间片数量，然后是给定时间片上观察的维度数量。因此，b是一个新时间间隔内55个观测值中每个观测值的3维完整表示

---

我想将a和b堆叠成一个数组，其形状为

55627,3

。一个人怎样才能在努比做到这一点？如有任何建议，将不胜感激

继续上面Divakar的回答，numpy中的

轴

参数是数组形状中给定维度的索引。在这里，我想根据它们的中间形状值来堆叠

a

和

b

，这是在索引=1处：

import numpy as np

a = np.random.rand(5, 1, 3)
b = np.random.rand(5, 100, 3)

# create the desired result shape: 55, 627, 3
stacked = np.concatenate((b, a), axis=1)

# validate that a was appended to the end of b
print(stacked[:, -1, :], '\n\n\n', a.squeeze())

这将返回：

[[0.72598529 0.99395887 0.21811998]
 [0.9833895  0.465955   0.29518207]
 [0.38914048 0.61633291 0.0132326 ]
 [0.05986115 0.81354865 0.43589306]
 [0.17706517 0.94801426 0.4567973 ]] 


 [[0.72598529 0.99395887 0.21811998]
 [0.9833895  0.465955   0.29518207]
 [0.38914048 0.61633291 0.0132326 ]
 [0.05986115 0.81354865 0.43589306]
 [0.17706517 0.94801426 0.4567973 ]]

纯粹主义者可以使用

np.all（stacked[：，-1，：]==A.squence（））

来验证这种等价性。为@Divakar带来荣耀

---

严格地说，这种连接的用例是一种不可靠的长-短记忆神经网络的数据准备管道。在这种网络中，训练数据的形状应该是

观测次数、时间间隔次数、每次观测的维数次数

。我正在以新的时间间隔生成每个对象的新预测，因此这些预测具有形状

每个观察的观察次数，1，每个观察的维度次数。为了可视化观察值位置随时间变化的序列，我想将新位置添加到先前位置的数组中，从而解决上述问题。
使用
np沿相应轴（=1）连接。连接（（a，b），轴=1）
？@Divakar-amen。如果你能回答这个问题，并简单地在numpy中强调轴心的概念，我会接受的！我鼓励你发布你自己的答案，添加一点这个
连接
如何适用于你的案例。听起来不错！我将首先简单地研究一下numpy轴……再次感谢@Divakar您刚刚教我在numpy中使用轴的正确方法，这非常好