Python numpy数组连接："；ValueError：所有输入数组的维数必须相同；

如何连接这些

numpy

数组

第一个

np.数组

，形状为

（5,4）

第二个

np.数组

，形状为

（5，）

最终结果应该是

[[  6487    400    489580    0   16]
 [  6488    401    492994    0   15]
 [  6491    408    489247    0   12]
 [  6491    408    489247    0   12]
 [  6492    402    499013    0   17]]

我尝试了

np.concatenate（[array1，array2]）

但是我得到了这个错误

ValueError:所有输入数组必须具有相同的维数

---

我做错了什么？

要使用

np.concatenate

，我们需要将第二个数组扩展到

2D

，然后沿

axis=1

-

np.concatenate((a,b[:,None]),axis=1)

或者，我们可以使用处理它的

np.column\u stack

-

np.column_stack((a,b))

样本运行-

In [84]: a
Out[84]: 
array([[54, 30, 55, 12],
       [64, 94, 50, 72],
       [67, 31, 56, 43],
       [26, 58, 35, 14],
       [97, 76, 84, 52]])

In [85]: b
Out[85]: array([56, 70, 43, 19, 16])

In [86]: np.concatenate((a,b[:,None]),axis=1)
Out[86]: 
array([[54, 30, 55, 12, 56],
       [64, 94, 50, 72, 70],
       [67, 31, 56, 43, 43],
       [26, 58, 35, 14, 19],
       [97, 76, 84, 52, 16]])

如果

b

是

1D

数组，其

dtype=object

的形状为

（1，）

，则很可能所有数据都包含在其中的唯一元素中，我们需要在连接之前将其展平。为此，我们也可以在其上使用

np.concatenate

。下面是一个示例来说明这一点-

In [118]: a
Out[118]: 
array([[54, 30, 55, 12],
       [64, 94, 50, 72],
       [67, 31, 56, 43],
       [26, 58, 35, 14],
       [97, 76, 84, 52]])

In [119]: b
Out[119]: array([array([30, 41, 76, 13, 69])], dtype=object)

In [120]: b.shape
Out[120]: (1,)

In [121]: np.concatenate((a,np.concatenate(b)[:,None]),axis=1)
Out[121]: 
array([[54, 30, 55, 12, 30],
       [64, 94, 50, 72, 41],
       [67, 31, 56, 43, 76],
       [26, 58, 35, 14, 13],
       [97, 76, 84, 52, 69]])

---

你可以这样做

import numpy as np

x = np.random.randint(100, size=(5, 4))
y = [16, 15, 12, 12, 17]

print(x)

val = np.concatenate((x,np.reshape(y,(x.shape[0],1))),axis=1)
print(val)

这将产生：

[[32 37 35 53]
 [64 23 95 76]
 [17 76 11 30]
 [35 42  6 80]
 [61 88  7 56]]

[[32 37 35 53 16]
 [64 23 95 76 15]
 [17 76 11 30 12]
 [35 42  6 80 12]
 [61 88  7 56 17]]

---

还有

np.c.

>>> a = np.arange(20).reshape(5, 4)
>>> b = np.arange(-1, -6, -1)
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15],
       [16, 17, 18, 19]])                                                                                                                                   
>>> b                                                                                                                                                       
array([-1, -2, -3, -4, -5])                                                                                                                                 
>>> np.c_[a, b]
array([[ 0,  1,  2,  3, -1],          
       [ 4,  5,  6,  7, -2],                       
       [ 8,  9, 10, 11, -3],                      
       [12, 13, 14, 15, -4],                                
       [16, 17, 18, 19, -5]])

---

第二个数组的形状应该是怎样的？这里的对象数组有什么奇怪的事情吗？这就是我运行array2.shape时得到的结果。你的数组在某种程度上严重混乱，你需要弄清楚发生了什么。就在这之前，我运行这个

array2=np.array（np.round（data[：，0]/20））

b[：，None]符号很好，但也值得一提的是b.重塑（）@PaulPanzer，这值得一个新职位！第二个是因为这个代码< >代码> ARARY2= NP.数组（NP.Stata（data [：，0）/20）< /代码>我用<代码> > ARARY2= NP.数组（NP.圆（数据：：，0）/ 20）固定。astype（int）< /代码>你敢解码这个：<代码> NP.R'[1,1,0’，A，-1：-6：-1 ]。：）我想知道

np.c

是否总能代替

np.column\u stack

？@hpaulj在我看来很像，但我对

np.column\u stack

不太熟悉。它基本上是一个2d

串联

，在特殊情况下1d输入，对吗？

[[32 37 35 53]
 [64 23 95 76]
 [17 76 11 30]
 [35 42  6 80]
 [61 88  7 56]]

[[32 37 35 53 16]
 [64 23 95 76 15]
 [17 76 11 30 12]
 [35 42  6 80 12]
 [61 88  7 56 17]]

>>> a = np.arange(20).reshape(5, 4)
>>> b = np.arange(-1, -6, -1)
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15],
       [16, 17, 18, 19]])                                                                                                                                   
>>> b                                                                                                                                                       
array([-1, -2, -3, -4, -5])                                                                                                                                 
>>> np.c_[a, b]
array([[ 0,  1,  2,  3, -1],          
       [ 4,  5,  6,  7, -2],                       
       [ 8,  9, 10, 11, -3],                      
       [12, 13, 14, 15, -4],                                
       [16, 17, 18, 19, -5]])