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。

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))