NumPy中数组的拼接(Concatenation)的使用

np.concatenate((arr1, arr2, ...), axis=0, out=None) 

import numpy as np
# 两个一维数组（模拟两个班级的学生分数）
class1 = np.array([85, 92, 78, 90])
class2 = np.array([88, 76, 95, 81])
# 拼接为一个一维数组（axis=0，唯一可选）
all_scores = np.concatenate((class1, class2))
print("拼接后一维数组：", all_scores)  # [85 92 78 90 88 76 95 81]
print("拼接后形状：", all_scores.shape)  # (8,)

import numpy as np
# 两个二维数组（列数均为3）
arr1 = np.array([[1, 2, 3], [4, 5, 6]])  # 2行3列
arr2 = np.array([[7, 8, 9], [10, 11, 12]])  # 2行3列
# 按行拼接（axis=0）→ 4行3列
arr_v = np.concatenate((arr1, arr2), axis=0)
print("按行拼接结果：\n", arr_v)
print("拼接后形状：", arr_v.shape)  # (4, 3)

import numpy as np
# 两个二维数组（行数均为2）
arr1 = np.array([[1, 2], [3, 4]])  # 2行2列
arr2 = np.array([[5, 6], [7, 8]])  # 2行2列
arr3 = np.array([[9], [10]])       # 2行1列
# 按列拼接（axis=1）→ 2行5列（2+2+1）
arr_h = np.concatenate((arr1, arr2, arr3), axis=1)
print("按列拼接结果：\n", arr_h)
print("拼接后形状：", arr_h.shape)  # (2, 5)

import numpy as np
# 二维数组
arr1 = np.array([[1,2],[3,4]])
arr2 = np.array([[5,6],[7,8]])
# 垂直拼接（等价于 axis=0）
arr_v = np.vstack((arr1, arr2))
print("vstack结果：\n", arr_v)  # 4行2列
# 水平拼接（等价于 axis=1）
arr_h = np.hstack((arr1, arr2))
print("hstack结果：\n", arr_h)  # 2行4列

import numpy as np
a = np.array([1,2,3])  # 形状(3,)
b = np.array([4,5,6])  # 形状(3,)
# vstack：一维数组合并为二维（按行）→ (2,3)
v_arr = np.vstack((a, b))
print("vstack一维数组：\n", v_arr)
print("形状：", v_arr.shape)  # (2,3)
# hstack：一维数组合并为更长的一维 → (6,)
h_arr = np.hstack((a, b))
print("hstack一维数组：", h_arr)
print("形状：", h_arr.shape)  # (6,)

import numpy as np
# 两个二维数组（形状均为(2,3)）
arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.array([[7,8,9],[10,11,12]])
# 深度拼接 → 形状(2,3,2)
d_arr = np.dstack((arr1, arr2))
print("dstack结果形状：", d_arr.shape)  # (2,3,2)
print("dstack结果[0,0,:]：", d_arr[0,0,:])  # [1,7]（深度维度的两个值）

import numpy as np
# 两个三维数组：形状(2,3,4)（轴0=2，轴1=3，轴2=4）
arr1 = np.arange(24).reshape(2,3,4)
arr2 = np.arange(24,48).reshape(2,3,4)
# 按轴0拼接 → 形状(4,3,4)
concat0 = np.concatenate((arr1, arr2), axis=0)
print("按轴0拼接形状：", concat0.shape)  # (4,3,4)
# 按轴1拼接 → 形状(2,6,4)
concat1 = np.concatenate((arr1, arr2), axis=1)
print("按轴1拼接形状：", concat1.shape)  # (2,6,4)
# 按轴2拼接 → 形状(2,3,8)
concat2 = np.concatenate((arr1, arr2), axis=2)
print("按轴2拼接形状：", concat2.shape)  # (2,3,8)

import numpy as np
# 错误1：按行拼接（axis=0）但列数不同
arr1 = np.array([[1,2],[3,4]])  # 2行2列
arr2 = np.array([[5,6,7],[8,9,10]])  # 2行3列
try:
    np.concatenate((arr1, arr2), axis=0)
except ValueError as e:
    print("报错1：", e)  # all the input array dimensions except for the concatenation axis must match exactly
# 错误2：按列拼接（axis=1）但行数不同
arr3 = np.array([[1,2],[3,4]])  # 2行2列
arr4 = np.array([[5,6]])        # 1行2列
try:
    np.concatenate((arr3, arr4), axis=1)
except ValueError as e:
    print("报错2：", e)

import numpy as np
# 原数组：arr4是(1,2)，行数为1（arr3行数为2，不兼容）
arr3 = np.array([[1,2],[3,4]])
arr4 = np.array([[5,6]])
# 方法1：给arr4添加一行（补0）
arr4_exp = np.vstack((arr4, [[0,0]]))  # 变为2行2列
concat_ok = np.concatenate((arr3, arr4_exp), axis=1)
print("调整后拼接结果：\n", concat_ok)
# 方法2：扩展维度（一维→二维）
a = np.array([1,2,3])  # (3,)
b = np.array([[4,5,6]]) # (1,3)
# 先将a转为(1,3)，再按行拼接
a_2d = np.expand_dims(a, axis=0)  # (1,3)
concat_a_b = np.concatenate((a_2d, b), axis=0)
print("一维转二维后拼接：\n", concat_a_b)

import numpy as np
# 模拟3组特征数据（每组10个样本×5个特征）
feat1 = np.random.rand(10,5)
feat2 = np.random.rand(10,5)
feat3 = np.random.rand(10,5)
# 合并为30个样本的数据集（按行拼接）
all_feat = np.concatenate((feat1, feat2, feat3), axis=0)
print("合并后数据集形状：", all_feat.shape)  # (30,5)
# 合并特征列（比如添加新特征）
new_feat = np.random.rand(30,1)  # 30个样本×1个新特征
all_feat_new = np.hstack((all_feat, new_feat))
print("添加新特征后形状：", all_feat_new.shape)  # (30,6)

import numpy as np
# 模拟3月和4月的温度数据（各31天×24小时）
march_temp = np.random.normal(5,6,(31,24)).round(1)
april_temp = np.random.normal(15,5,(30,24)).round(1)
# 合并为2个月的温度数据（按行拼接，行数31+30=61）
spring_temp = np.vstack((march_temp, april_temp))
print("春季温度数据形状：", spring_temp.shape)  # (61,24)

import numpy as np
# 生成10个一维数组，每个数组5个元素
arr_list = [np.random.randint(0,10,5) for _ in range(10)]
# 拼接为一个一维数组
all_arr = np.concatenate(arr_list, axis=0)
print("批量拼接后形状：", all_arr.shape)  # (50,)