Numpy 为什么在努比，官方更喜欢康康坦而不是hstack/vstack？

我发现关于

hstack

/

vstack

的最新文档中提到“您应该更喜欢

np.concatenate

或

np.stack

”

---

但我认为它们的可读性比

concatenate（a，0）

或

concatenate（a，1）

所有3个“stack”函数都使用

concatenate

（就像

np.append

和

column\u stack

一样）。看看他们的代码很有启发性<代码>np.source（np.hstack）例如

它们所做的都是调整输入数组的尺寸，确保它们是1d或2d等，然后使用适当的

轴调用
连接
。因此，从长远来看，知道如何使用
串联
，而不需要其他人的“拐杖”，这是一个好主意

但人们将继续在方便的地方使用
hstack
和
vstack
<代码>数据堆栈
和
列堆栈
不太常见
np.append
经常被误用，应该被禁止使用

我认为这个“首选”注释是在添加
np.stack
时添加的
np.stack
也使用
串联
，但使用的方式更为复杂。它插入一个新的轴（带有
展开_dims
）。我把它看作是
np.array
的推广。当给定匹配数组的列表时，
np.array
将它们连接到一个新的初始轴上
np.stack
的作用与默认值相同，但允许我们为串联指定不同的“新”轴

我应该限定我的答案。这不是官方的。更确切地说，我是在基于代码知识做出有根据的猜测