Python中如何合并两个NumPy数组_利用concatenate与stack函数实现-Python教程-PHP中文网

np.concatenate 适合拼接同维度数组，axis 必须在 [0, ndim) 内且对齐；np.stack 要求形状完全相同并新增一维；vstack/hstack 是 concatenate 的语法糖但 axis 固定；需注意 dtype 提升和内存连续性。

python中如何合并两个numpy数组_利用concatenate与stack函数实现

concatenate 适合拼接同维度数组，但 axis 要对得上

如果你的两个 ndarray 形状兼容（比如都是 2D，且除拼接轴外其余维度一致），np.concatenate 是最直接的选择。它不会新增维度，只是把数组“缝”在一起。

常见错误是 axis 设错导致 ValueError: all the input arrays must have same number of dimensions 或 axis out of bounds。比如两个形状为 (3, 4) 的数组，axis=0 拼成 (6, 4)，axis=1 拼成 (3, 8)；但设 axis=2 就会报错——它们根本没第 2 轴。

确保输入数组维度数相同，否则先用 np.expand_dims 或 reshape 对齐
axis 值必须在 [0, ndim) 范围内，负值如 -1 表示最后一轴
性能上，concatenate 是原地拼接的底层操作，比多次 vstack/hstack 更轻量

stack 必须所有数组形状完全一致，且会增加一维

np.stack 不是拼接，而是“堆叠”：它要求所有输入数组 shape 完全相同，并在指定 axis 上新增一个维度。结果数组的维度比输入高 1。

典型误用是拿 (3, 4) 和 (3, 5) 的数组去 stack，立刻报 ValueError: all input arrays must have the same shape。它和 concatenate 的语义完全不同——一个加层，一个延展。

python 查询技能

查询客流数据，输出JSON格式，可直接导入Bitable等可视化工具

下载

想把两个 (3, 4) 数组合成 (2, 3, 4)？用 np.stack([a, b], axis=0)
想变成 (3, 2, 4)？用 axis=1；想变成 (3, 4, 2)？用 axis=2
如果只是想“并排”或“上下堆”，别用 stack，那是 concatenate 或 vstack/hstack 的活

vstack/hstack 是 concatenate 的语法糖，但 axis 固定

np.vstack 等价于 concatenate(..., axis=0)，np.hstack 默认 axis=1（对 2D）或 axis=0（对 1D），行为略不统一。它们读起来更直观，但灵活性不如 concatenate。

容易踩的坑是混用维度：比如对两个 1D 数组 vstack 得到 (2, N)，但 hstack 会得到 (2*N,)；而对 2D 数组，hstack 实际调的是 concatenate(..., axis=1)。这种隐式规则在调试时容易绕晕。

明确知道要沿哪轴拼？直接用 concatenate，少一层抽象
写脚本给同事看，追求可读性？vstack([a, b]) 比 concatenate([a, b], axis=0) 更直白
注意 np.column_stack 和 np.row_stack 是更安全的替代，尤其处理 1D 输入时

合并前务必检查 dtype 和内存连续性

拼接后数组的 dtype 由 NumPy 的类型提升规则决定。比如 int32 和 float64 合并，默认升为 float64，可能悄悄吃掉内存。更隐蔽的问题是，concatenate 返回的数组未必是 C-contiguous（行优先），某些后续操作（如传给 Cython 或某些深度学习框架）会失败或降速。