1、concatenate连接NumPy数组

连接意味着将两个或多个数组的内容放在单个数组中。

在SQL中，我们基于键联接表，而在NumPy中，我们按轴联接数组。

我们传递了一系列要与轴一起加入concatenate()函数的数组。 如果未显式传递轴，则将其视为0。

例如：

连接两个数组

import numpy as np

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

arr = np.concatenate((arr1, arr2))

print(arr)

例如：

沿行（axis=1）联接两个二维数组：

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])

arr2 = np.array([[5, 6], [7, 8]])

arr = np.concatenate((arr1, arr2), axis=1)

print(arr)

2、使用stack()函数连接数组

stack()与concatenate()相同，唯一的不同是stack()是沿着新轴完成的。

我们可以沿着第二个轴连接两个一维数组，这将导致它们一个放在另一个之上。

我们传递一个要连接到stack()方法的数组序列和axis。如果axis没有显式传递，则将其视为0。

例如：

import numpy as np

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

arr = np.stack((arr1, arr2), axis=1)

print(arr)

3、使用hstack()通过行

NumPy提供了一个辅助函数：hstack()沿行堆叠。

例如：

import numpy as np

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

arr = np.hstack((arr1, arr2))

print(arr)

4、使用vstack()通过列

NumPy提供了一个辅助函数：vstack()沿列堆叠。

例如：

import numpy as np

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

arr = np.vstack((arr1, arr2))

print(arr)

5、使用dstack()通过Height (depth)

NumPy提供了一个辅助函数：dstack()沿高度进行堆叠，该高度与深度相同。

例如：

import numpy as np

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

arr = np.dstack((arr1, arr2))

print(arr)