Python 在numpy中将二维数组追加到一维数组

我有一个空的numpy数组，现在我想附加一个2d数组

>>> import numpy as np
>>> a = np.array([])
>>> b = np.array([[1, 2], [3, 4]])
>>> np.append(a, b)
array([1, 2, 3, 4])

---

但是我想要

[[1,2]，[3,4]]

这里有两种方法可以将“空”数组与2d数组连接起来，生成一个与原始数组相似的新数组：

In [123]: b = np.array([[1, 2], [3, 4]])
In [124]: b.shape
Out[124]: (2, 2)
In [125]: np.concatenate((np.zeros((2,0),int),b),axis=1)
Out[125]: 
array([[1, 2],
       [3, 4]])
In [126]: _.shape
Out[126]: (2, 2)

In [127]: np.concatenate((np.zeros((0,2),int),b),axis=0)
Out[127]: 
array([[1, 2],
       [3, 4]])

通常关于尺寸数匹配和非连接形状匹配的规则适用。还要注意

dtype

append

，

vstack

，

hstack

摆弄形状，然后进行

连接

。最好了解如何直接使用

串联

但有人可能会问，为什么要进行所有这些串联工作，只为了生成一个匹配的数组<代码>b.复制（）更简单

如果这是循环的开始，不要。使用list append构建数组列表，然后在末尾连接一次

concatenate

获取数组列表

np.append

只接受2个输入，并以不同的方式处理它们。我不鼓励使用它

编辑 你真的想要3d效果而不是2d效果吗

In [128]: np.array([[[1, 2], [3, 4]]])
Out[128]: 
array([[[1, 2],
        [3, 4]]])
In [129]: _.shape
Out[129]: (1, 2, 2)

我写的关于使用匹配维度连接的

的内容仍然适用。例如，创建一个具有正确形状的“空”，即
（0,2,2）
，并将
b
展开到
（1,2,2）

b[None，…]
是（1,2,2），因此不需要连接任何内容

有一个
np.stack
，它向所有输入数组添加一个维度，然后连接起来。但我不认为这在这里适用。唯一可以通过堆栈添加到（2,2）数组的是另一个（2,2）数组。
以下是使其工作的一种方法：

# start with zero layers of the right shape:
>>> a = np.empty((0, 2, 2), int)
>>> a
array([], shape=(0, 2, 2), dtype=int64)
>>> b = np.arange(1, 5).reshape(2, 2)
>>> b
array([[1, 2],
       [3, 4]])
# use np.r_ instead of append the spec string '0,3,1' means concatenate
# along axis 0, make everything 3D, operands with fewer than 3
# get 1 axis added on the left
>>> np.r_['0,3,1', a, b]
array([[[1, 2],
        [3, 4]]])

从
a=b
开始，然后调用
np。在循环
np中追加（a，b，axis=0）
。追加有两种模式。如果没有轴
，您会发现，它会使一切变得平坦。使用
轴
时，它只执行
串联
，需要匹配的维度。似乎很多海报都没有注意到这样的函数文档。
# start with zero layers of the right shape:
>>> a = np.empty((0, 2, 2), int)
>>> a
array([], shape=(0, 2, 2), dtype=int64)
>>> b = np.arange(1, 5).reshape(2, 2)
>>> b
array([[1, 2],
       [3, 4]])
# use np.r_ instead of append the spec string '0,3,1' means concatenate
# along axis 0, make everything 3D, operands with fewer than 3
# get 1 axis added on the left
>>> np.r_['0,3,1', a, b]
array([[[1, 2],
        [3, 4]]])