Python ValueError：所有输入数组的维数必须相同

我对

np.append有问题

我试图使用下面的代码复制20x361矩阵的最后一列
n\u list\u converted
：

n_last = []
n_last = n_list_converted[:, -1]
n_lists = np.append(n_list_converted, n_last, axis=1)

但我得到了一个错误：

ValueError：所有输入数组的维数必须相同

但是，我已经通过以下方式检查了矩阵维度

 print(n_last.shape, type(n_last), n_list_converted.shape, type(n_list_converted))

我得到

（20L，）（20L，361L）

那么尺寸匹配吗？错误在哪里？
（n，）和（n，1）不是相同的形状。尝试使用
[：，None]
符号将向量强制转换为数组：

n_lists = np.append(n_list_converted, n_last[:, None], axis=1)

或者，在提取
n_last
时，您可以使用

n_last = n_list_converted[:, -1:]

获取
（20，1）
数组。
获取错误的原因是“1×n”矩阵与长度为n的数组不同

我建议改用
hstack（）
和
vstack（）
。
像这样：

import numpy as np
a = np.arange(32).reshape(4,8) # 4 rows 8 columns matrix.
b = a[:,-1:]                    # last column of that matrix.

result = np.hstack((a,b))       # stack them horizontally like this:
#array([[ 0,  1,  2,  3,  4,  5,  6,  7,  7],
#       [ 8,  9, 10, 11, 12, 13, 14, 15, 15],
#       [16, 17, 18, 19, 20, 21, 22, 23, 23],
#       [24, 25, 26, 27, 28, 29, 30, 31, 31]])

注意重复出现的“7,15,23,31”列。
另外，请注意，我使用了
a[：，-1:][/code>而不是
a[：，-1]
。我的版本生成一列：

array([[7],
       [15],
       [23],
       [31]])

而不是行
数组（[7,15,23,31]）


编辑：
append（）
要慢得多。阅读。
如果我从一个3x4数组开始，并连接一个3x1数组和轴1，我得到一个3x5数组：

In [911]: x = np.arange(12).reshape(3,4)
In [912]: np.concatenate([x,x[:,-1:]], axis=1)
Out[912]: 
array([[ 0,  1,  2,  3,  3],
       [ 4,  5,  6,  7,  7],
       [ 8,  9, 10, 11, 11]])
In [913]: x.shape,x[:,-1:].shape
Out[913]: ((3, 4), (3, 1))

请注意，要连接的两个输入都有两个维度

省略
：
，并且
x[：，-1]
是（3，）形状-它是1d，因此错误：

In [914]: np.concatenate([x,x[:,-1]], axis=1)
...
ValueError: all the input arrays must have same number of dimensions

np.append
的代码为（在指定轴的情况下）

所以只要稍微改变一下语法，
append
就可以了。它不是一个列表，而是两个参数。它模仿list
append
is语法，但不应与list方法混淆

In [916]: np.append(x, x[:,-1:], axis=1)
Out[916]: 
array([[ 0,  1,  2,  3,  3],
       [ 4,  5,  6,  7,  7],
       [ 8,  9, 10, 11, 11]])

np.hstack
首先确保所有输入至少为
1d
，然后连接：

return np.concatenate([np.atleast_1d(a) for a in arrs], 1)

因此它需要相同的
x[：，-1:][/code>输入。基本上是相同的动作

np.column\u堆栈也在轴1上进行连接。但首先，它将1d输入传递到

array(arr, copy=False, subok=True, ndmin=2).T

这是将（3，）数组转换为（3,1）数组的一般方法

所有这些“堆栈”都很方便，但从长远来看，理解维度和基本
np.concatenate
很重要。还知道如何查找像这样的函数的代码。我经常使用
ipython
？？
魔术

在时间测试中，
np.concatenate
的速度明显更快——像这样一个小数组，额外的函数调用层会产生很大的时间差异。
你也可以将（n，）转换为（n，1），方法是用括号括起来[]

e、 g.使用
np.append（b[a]，axis=0）代替
np.append（b[a]，axis=0）

返回

array([[5, 6],
       [7, 8],
       [1, 2]])

试试
np.column\u stack
。它成功了！但为什么呢？
np.append
比list
.append
慢；但与
堆栈相比
。它使用
np.concatenate
@hpaulj以便。。。正如我刚才所说，使用
append
vs
stack
与2个矩阵相同，并且
stack
对于2个以上的元素更好，因此
stack
总是至少和
append
一样好。反之亦然：
b=[1,2]；a=[[5,6]，[7,8]；np.append（[b]，a，axis=0）
。
In [922]: np.array(x[:,-1], copy=False, subok=True, ndmin=2).T
Out[922]: 
array([[ 3],
       [ 7],
       [11]])
In [923]: np.column_stack([x,x[:,-1]])
Out[923]: 
array([[ 0,  1,  2,  3,  3],
       [ 4,  5,  6,  7,  7],
       [ 8,  9, 10, 11, 11]])

a=[1,2]
b=[[5,6],[7,8]]
np.append(b,[a],axis=0)

array([[5, 6],
       [7, 8],
       [1, 2]])