Python 为什么numpy文档建议选择concatente而不是hstack？

为什么numpy建议更喜欢concatente而不是hstack

但是您应该更喜欢np.concatenate或np.stack

---

根据hstack的说法，它是一个围绕连接的包装器。在这种情况下，为什么不使用提高代码可读性的hstack？

因此

hstack

中的实际代码是：

arrs = [atleast_1d(_m) for _m in tup]
# As a special case, dimension 0 of 1-dimensional arrays is "horizontal"
if arrs[0].ndim == 1:
    return _nx.concatenate(arrs, 0)
else:
    return _nx.concatenate(arrs, 1)

它首先循环遍历参数，并确保每个参数至少为1d。这将处理0d和标量元素，例如在

np.hstack（[0,1，np.arange（3）]）

中

其余的在一个轴和唯一轴上连接或在第二个轴上连接之间进行选择

vstack

与之类似，不同之处在于它至少使事物成为二维的，并在第一个位置连接

从这些问题/答案来看，它们仍然被大量使用，我认为在大多数情况下它们不会引起问题。产生大多数问题的是

np.append

。这就是我希望他们永远不要添加的内容

---

我认为

hstack

和

vstack

的主要问题是它们鼓励（或至少允许）懒惰地思考尺寸和形状。当出现问题时，是因为海报不理解相同尺寸的含义，或者形状必须相等（一个轴除外）。

调用堆栈中少了一个帧？因为如果你试图同时理解它们，你可能不太关心“可读性”还有关于性能的更多信息？可能是因为数组维度的语义比2更清晰。