>>> a = np.array([1,2,3])
>>> a.ndim   # 一維數(shù)組
1
>>> a.shape   # 在這個維度上的長度為3
(3,)

>>> b = np.array([[1,2,3], [4,5,6]])
>>> b.ndim   # 二維數(shù)組
2
>>> b.shape   # 在axis 0 上的長度為2， 在axis 1上的長度為3.或者可以感性的理解為2行3列
(2, 3)

>>> c = np.array([[[1,2,3], [4,5,6]]])
>>> c.ndim   # 三維數(shù)組
3
>>> c.shape   # 在axis 0 上的長度為1，在axis 1上的長度為2, 在axis 2上的長度為3. 或者可以感性的理解為1層2行3列
(1, 2, 3)

concatenate(a_tuple, axis=0, out=None)
"""
參數(shù)說明：
a_tuple:對需要合并的數(shù)組用元組的形式給出
axis: 沿指定的軸進(jìn)行拼接，默認(rèn)0，即第一個軸
"""

>>> import numpy as np
>>> ar1 = np.array([[1,2,3], [4,5,6]])
>>> ar2 = np.array([[7,8,9], [11,12,13]])
>>> ar1
array([[1, 2, 3],
    [4, 5, 6]])
>>> ar2
array([[ 7, 8, 9],
    [11, 12, 13]])

>>> np.concatenate((ar1, ar2))  # 這里的第一軸(axis 0)是行方向
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [ 7, 8, 9],
    [11, 12, 13]])

>>> np.concatenate((ar1, ar2),axis=1)  # 這里沿第二個軸，即列方向進(jìn)行拼接
array([[ 1, 2, 3, 7, 8, 9],
    [ 4, 5, 6, 11, 12, 13]])

>>> ar3 = np.array([[14,15,16]]) # shape為（1，3）的2維數(shù)組
>>> np.concatenate((ar1, ar3))  # 一般進(jìn)行concatenate操作的array的shape需要一致，當(dāng)然如果array在拼接axis方向的size不一樣，也可以完成
>>> np.concatenate((ar1, ar3)) # ar3雖然在axis0方向的長度不一致，但axis1方向上一致，所以沿axis0可以拼接
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [14, 15, 16]])
>>> np.concatenate((ar1, ar3), axis=1)  # ar3和ar1在axis0方向的長度不一致，所以報錯

append(arr, values, axis=None)
"""
參數(shù)說明：
arr：array_like的數(shù)據(jù)
values: array_like的數(shù)據(jù)，若axis為None，則先將arr和values進(jìn)行ravel扁平化,再拼接；否則values應(yīng)當(dāng)與arr的shape一致，或至多
    在拼接axis的方向不一致
axis：進(jìn)行append操作的axis的方向，默認(rèn)無
"""

>>> np.append(ar1, ar2)  # 先ravel扁平化再拼接，所以返回值為一個1維數(shù)組
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 13])

>>> np.append(ar1, ar2, axis=0)   # 沿第一個軸拼接，這里為行的方向 
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [ 7, 8, 9],
    [11, 12, 13]])

>>> np.append(ar1, ar2, axis=1)   # 沿第二個軸拼接，這里為列的方向 
array([[ 1, 2, 3, 7, 8, 9],
    [ 4, 5, 6, 11, 12, 13]])

stack(arrays, axis=0, out=None)
"""
沿著指定的axis對arrays(每個array的shape必須一樣)進(jìn)行拼接，返回值的維度比原arrays的維度高1
axis：默認(rèn)為0，即第一個軸，若為-1即為第二個軸
"""

>>> np.stack((ar1, ar2))   # 增加第一個維度（axis0，之后的axis向后順延：0—>1, 1—>2）
array([[[ 1, 2, 3],
    [ 4, 5, 6]],
    [[ 7, 8, 9],
    [11, 12, 13]]])

>>> np.stack((ar1, ar2), axis=1)   # 增加第二個維度（axis1，之后的axis向后順延, 1—>2）
array([[[ 1, 2, 3],
    [ 7, 8, 9]],
    [[ 4, 5, 6],
    [11, 12, 13]]])

>>> np.stack((ar1, ar2), axis=2)   # 增加第三個維度（axis2，和axis=-1的效果一樣，原來的axis0和axis1保持不變）
array([[[ 1, 7],
    [ 2, 8],
    [ 3, 9]],
    [[ 4, 11],
    [ 5, 12],
    [ 6, 13]]])

>>> np.hstack((ar1,ar2))  # 水平拼接，沿著行的方向，對列進(jìn)行拼接
array([[ 1, 2, 3, 7, 8, 9],
    [ 4, 5, 6, 11, 12, 13]])

>>> np.vstack((ar1,ar2))  # 垂直拼接，沿著列的方向，對行進(jìn)行拼接
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [ 7, 8, 9],
    [11, 12, 13]])
    
>>> np.dstack((ar1,ar2))  # 對于2維數(shù)組來說，沿著第三軸（深度方向）進(jìn)行拼接, 效果相當(dāng)于stack(axis=-1)
array([[[ 1, 7],
    [ 2, 8],
    [ 3, 9]],
    [[ 4, 11],
    [ 5, 12],
    [ 6, 13]]])

>>> np.column_stack((ar1,ar2))  # 水平拼接，沿著行的方向，對列進(jìn)行拼接
array([[ 1, 2, 3, 7, 8, 9],
   [ 4, 5, 6, 11, 12, 13]])

>>> np.row_stack((ar1,ar2))  # 垂直拼接，沿著列的方向，對行進(jìn)行拼接
array([[ 1, 2, 3],
   [ 4, 5, 6],
   [ 7, 8, 9],
   [11, 12, 13]])

>>> np.r_[ar1,ar2]   # 垂直拼接，沿著列的方向，對行進(jìn)行拼接
array([[ 1, 2, 3],
    [ 4, 5, 6],
    [ 7, 8, 9],
    [11, 12, 13]])
 
>>> np.c_[ar1,ar2]  # 水平拼接，沿著行的方向，對列進(jìn)行拼接
array([[ 1, 2, 3, 7, 8, 9],
    [ 4, 5, 6, 11, 12, 13]])

np.concatenate((ar1, ar2),axis=0)
np.append(ar1, ar2, axis=0)
np.vstack((ar1,ar2))
np.row_stack((ar1,ar2))
np.r_[ar1,ar2]

np.concatenate((ar1, ar2),axis=1)
np.append(ar1, ar2, axis=1)
np.hstack((ar1,ar2))
np.column_stack((ar1,ar2))
np.c_[ar1,ar2]