如何在Python中合并两个不同维度的numpy数组？

Python 2.7：

试图：

从一维Numpy数组中添加一个日期类型为64（D）的列（arr_date） 到现有的多维Numpy数组（数据）

出现以下错误：

'TypeError:无效的类型升级'

'numpy.AxisError:轴1超出维度1数组的界限'

创建的列，该列需要追加：

>> arr_date
<<     
[['2019-04-21']
 ['2019-04-21']
 ['2019-04-21']]

>到达日期
在您回答我关于
data.dtype
的问题之前，我将添加逗号，并将
data
列为元组：

In [117]: data = [(2019, 4, 21, 4.9, -16.5447, -177.1961,  22.4, 'US'), 
     ...: (2019, 4, 21, 4.8,  -9.5526,  109.6003,  10. , 'UK'), 
     ...: (2019, 4, 21, 4.6,  -7.2737,  124.0192, 554.9, 'FR')]                      

In [118]: arr_date = np.zeros((len(data),1), dtype='datetime64[D]') 
     ...:  
     ...: i = 0 
     ...:  
     ...: while i < len(data):     
     ...:         date = dt.date(data [i][0], data[i][1], data[i][2])      
     ...:         arr_date[i][0] = date     
     ...:         i += 1     
     ...:                                                                            

In [119]: arr_date                                                                   
Out[119]: 
array([['2019-04-21'],
       ['2019-04-21'],
       ['2019-04-21']], dtype='datetime64[D]')

您的
日期
迭代与此配合使用。但是可以通过名称访问
data1
的字段（而不是列）：

In [127]: data1['f0']                                                                
Out[127]: array([2019, 2019, 2019], dtype=int32)

column\u stack
可以将（3，）数组与（3,1）连接起来生成（3,2），但是：

append_字段
应该可以做到这一点，但使用起来可能有点棘手：

In [137]: rf.append_fields(data1, 'date', arr_date.ravel(), usemask=False)           
Out[137]: 
array([(2019, 4, 21, 4.9, -16.5447, -177.1961,  22.4, 'US', '2019-04-21'),
       (2019, 4, 21, 4.8,  -9.5526,  109.6003,  10. , 'UK', '2019-04-21'),
       (2019, 4, 21, 4.6,  -7.2737,  124.0192, 554.9, 'FR', '2019-04-21')],
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<i4'), ('f3', '<f4'), ('f4', '<f4'), ('f5', '<f4'), ('f6', '<f4'), ('f7', '<U2'), ('date', '<M8[D]')])

[137]中的
：rf.append_字段（data1，'date'，arr_date.ravel（），usemack=False）
出[137]：
数组（[（2019,4,21,4.9，-16.5447，-177.1961,22.4，'US'，'2019-04-21'），
（2019,4,21,4.8，-9.5526109.6003,10.，“英国”，“2019-04-21”），
（2019,4,21,4.6，-7.2737124.0192554.9，'FR'，'2019-04-21'），
数据类型=[（'f0'，这些函数都使用
np.concatenate
，这意味着输入必须具有兼容的数据类型和形状。如果其中一个失败，其他函数也很可能失败，特别是如果是数据类型问题。什么是
数据
。它看起来像一个元组列表，只是元组之间缺少逗号。它是结构化数组吗形状是什么，（3，）？什么是
dtype
。
数据是通过加载
csv
生成的，类似于
genfromtxt
？是的，数据是通过加载csv并使用模块genfromtxt生成的。非常感谢您的解释，这非常有帮助。关于append\u字段的技术页面也非常有用！
In [127]: data1['f0']                                                                
Out[127]: array([2019, 2019, 2019], dtype=int32)

In [130]: np.column_stack((data, arr_date))                                          
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-130-5c8e6a103474> in <module>
----> 1 np.column_stack((data, arr_date))

/usr/local/lib/python3.6/dist-packages/numpy/lib/shape_base.py in column_stack(tup)
    638             arr = array(arr, copy=False, subok=True, ndmin=2).T
    639         arrays.append(arr)
--> 640     return _nx.concatenate(arrays, 1)

TypeError: invalid type promotion

In [131]: import numpy.lib.recfunctions as rf 

In [137]: rf.append_fields(data1, 'date', arr_date.ravel(), usemask=False)           
Out[137]: 
array([(2019, 4, 21, 4.9, -16.5447, -177.1961,  22.4, 'US', '2019-04-21'),
       (2019, 4, 21, 4.8,  -9.5526,  109.6003,  10. , 'UK', '2019-04-21'),
       (2019, 4, 21, 4.6,  -7.2737,  124.0192, 554.9, 'FR', '2019-04-21')],
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<i4'), ('f3', '<f4'), ('f4', '<f4'), ('f5', '<f4'), ('f6', '<f4'), ('f7', '<U2'), ('date', '<M8[D]')])