Python 垂直连接两个NumPy数组

我尝试了以下方法：

>>> a = np.array([1,2,3])
>>> b = np.array([4,5,6])
>>> np.concatenate((a,b), axis=0)
array([1, 2, 3, 4, 5, 6])
>>> np.concatenate((a,b), axis=1)
array([1, 2, 3, 4, 5, 6])

然而，我希望至少有一个结果是这样的

array([[1, 2, 3],
       [4, 5, 6]])

---

为什么它不垂直连接？

因为

a

和

b

都只有一个轴，因为它们的形状是

（3）

，轴参数专门指要连接的元素的轴

此示例应阐明

串联

对axis的作用。取两个具有两个轴的向量，形状

（2,3）

：

沿第一个轴连接（第一个轴的行，然后是第二个轴的行）：

沿第二个轴连接（第一个轴的列，然后是第二个轴的列）：

要获得您提供的输出，您可以使用

vstack

a = np.array([1,2,3])
b = np.array([4,5,6])
np.vstack((a, b))
array([[1, 2, 3],
       [4, 5, 6]])

您仍然可以使用

串联

，但首先需要对其进行重塑：

np.concatenate((a.reshape(1,3), b.reshape(1,3)))
array([[1, 2, 3],
       [4, 5, 6]])

最后，如评论中所建议的，重塑它们的一种方法是使用

newaxis

：

np.concatenate((a[np.newaxis,:], b[np.newaxis,:]))

---

numpy的一个不为人所知的特性是使用

r\uu

。这是一种快速构建阵列的简单方法：

import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
c = np.r_[a[None,:],b[None,:]]
print(c)
#[[1 2 3]
# [4 5 6]]

a[None，：]

的目的是向数组

a

添加一个轴

a = np.array([1,2,3])
b = np.array([4,5,6])
np.array((a,b))

效果和你的一样好

np.array([[1,2,3], [4,5,6]])

无论是列表列表还是一维数组列表，

np.array

都会尝试创建二维数组

但是了解

np.concatenate

及其

堆栈

函数家族是如何工作的也是一个好主意。在此上下文中，

concatenate

需要一个2d数组列表（或任何

np.array

将变成2d数组的东西）作为输入

np.vstack

首先循环输入，确保它们至少是2d，然后连接。从功能上讲，这与自己扩展阵列的维度是一样的

np.stack

是一个新函数，它以新的维度连接数组。默认值的行为类似于

np.array

请看这些函数的代码。如果用Python编写，您可以学到很多东西。对于

vstack

：

return _nx.concatenate([atleast_2d(_m) for _m in tup], 0)

---

如果手头的实际问题是垂直连接两个一维数组，并且我们不打算使用

连接

来执行此操作，我建议使用：

In []: a = np.array([1,2,3])
In []: b = np.array([4,5,6])
In []: np.column_stack((a, b))
array([[1, 4],
       [2, 5],
       [3, 6]])

---

奇怪的你可以使用

np.vstack（（a，b））

来达到这个目的（如果你不知道的话）伙计们，很抱歉这个愚蠢的评论，但是为什么在vstack的情况下你要用括号两次呢？@Dmitrysakov别担心，这不是一个愚蠢的评论。numpy之所以这样做，是因为使用

vstack

时需要的一个参数是元组。换句话说，

np.vstack（（a，b））

与执行

np.vstack（tup=（a，b））

相同。请参见此处：@DmitrySakov假设您当然是在询问括号

（）

而不是方括号

[]

您确定重塑会奏效吗？它对我不起作用。请尝试

np.concatenate（[a[None，：]，b[None，：]）

是的。也许您在未分配它的情况下运行了

a.reformate（1,3）

，而不是

a=a.reformate（1,3）

？奇怪。我想你当时做了

d=b.重塑（1,3）

？不过，

concatenate（（c，d））

在这里起作用。请编辑答案，将

vstack（（a，b））

更改为

np.vstack（（a，b））

np.array([[1,2,3], [4,5,6]])

return _nx.concatenate([atleast_2d(_m) for _m in tup], 0)

In []: a = np.array([1,2,3])
In []: b = np.array([4,5,6])
In []: np.column_stack((a, b))
array([[1, 4],
       [2, 5],
       [3, 6]])