numpy.block
numpy.block(arrays) [source]
从块的嵌套列表中组装一个 nd-array。
最里面的列表中的块沿最后一个维度（-1）concatenate（请参阅concatenate），然后沿着倒数第二个维度（-2）进行concatenate，依此类推，直到到达最外面的列表。
Blocks可以是任何尺寸，但不会使用常规规则进行广播。 而是插入大小为1的引导轴，以使所有块的block.ndim相同。 这主要用于处理标量，这意味着np.block（[v，1]）之类的代码是有效的，其中v.ndim == 1。
当嵌套列表深达两层时，这允许从其组件构造块矩阵。
1.13.0版中的新功能。
参数 ： | arrays ：array_like的nested list 或 scalars (但不是tuples) 如果传递单个ndarray或标量（深度为0的嵌套列表）， 则将返回未修改的（且不会复制）。 元素形状必须沿适当的轴匹配（无广播）， 但是将在必要时在形状前添加前导1，以使尺寸匹配。 |
返回值 ： | block_array ： 从给定的块组装而成的阵列。 输出的维度等于以下项中的最大值：
|
Raises ： | ValueError 如果列表深度不匹配-例如， 应将其拼写为 例如， |
Notes
当仅使用标量调用时，np.block等效于ndarray调用。 因此，np.block（[[[1，2]，[3，4]]）等同于np.array（[[1，2]，[3，4]]）。
此功能不强制块位于固定的网格上。np.block（[[[a，b]，[c，d]]）不限于以下形式的数组：
AAAbb
AAAbb
cccDD
但也可以为某些a，b，c，d生成：
AAAbb
AAAbb
cDDDD
由于级联首先沿最后一个轴发生，因此block不能直接产生以下结果：
AAAbb
cccbb
cccDD
Matlab的“方括号堆叠”，[A，B，...; p，q，...]，等效于np.block（[[A，B，...]，[p，q，...]]）。
例子
1）将两个数组水平拼接
import numpy as np
# 将两个数组水平拼接
a = np.array([1, 2])
b = np.array([3, 4])
result = np.block([a, b])
print(result) # 输出: [1 2 3 4]
2）将两个数组垂直拼接
import numpy as np
# 将两个数组垂直拼接
a = np.array([[1], [2]])
b = np.array([[3], [4]])
result = np.block([[a], [b]])
print(result)
3）通过嵌套列表组合不同大小的数组
import numpy as np
a = np.array([[1, 2]])
b = np.array([[3]])
c = np.array([[4]])
result = np.block([[a, b], [np.zeros((1, 2)), c]])
print(result)
4）构建块矩阵
import numpy as np
# 定义矩阵 A 和 B
A = np.eye(2) * 2 # 2x2 单位矩阵乘以 2
B = np.eye(3) * 3 # 3x3 单位矩阵乘以 3
# 使用 np.block 构建块矩阵
result = np.block([
[A, np.zeros((2, 3))],
[np.ones((3, 2)), B ]
])
print(result)
5）使用 block 替代 hstack（水平堆叠）
import numpy as np
#简单的 1D 拼接
print(np.block([1, 2, 3])) # 相当于 hstack([1, 2, 3])
# 拼接数组和标量
a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
print(np.block([a, b, 10])) # 相当于 hstack([a, b, 10])
# 拼接 2D 矩阵
A = np.ones((2, 2), int)
B = 2 * A
print(np.block([A, B])) # 相当于 hstack([A, B])6）使用 block 替代 vstack（垂直堆叠）
import numpy as np
# 垂直堆叠 1D 数组
a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
print(np.block([[a], [b]])) # 相当于 vstack([a, b])
# 垂直堆叠 2D 矩阵
A = np.ones((2, 2), int)
B = 2 * A
print(np.block([[A], [B]])) # 相当于 vstack([A, B])
7）使用 block 实现 atleast_1d 和 atleast_2d 功能
import numpy as np
# 将标量转换为至少 1D
a = np.array(0)
b = np.array([1])
print(np.block([a])) # 等同于 np.atleast_1d(a)
print(np.block([b])) # 等同于 np.atleast_1d(b)
# 将标量和数组转换为至少 2D
print(np.block([[a]])) # 等同于 np.atleast_2d(a)
print(np.block([[b]])) # 等同于 np.atleast_2d(b))