一、合並數組
可以在不同的軸上堆積數組：
>>> a = np.floor(10*np.random.random((2,2))) >>> a array([[ 8., 8.], [ 0., 0.]]) >>> b = np.floor(10*np.random.random((2,2))) >>> b array([[ 1., 8.], [ 0., 4.]]) >>> np.vstack((a,b)) array([[ 8., 8.], [ 0., 0.], [ 1., 8.], [ 0., 4.]]) >>> np.hstack((a,b)) array([[ 8., 8., 1., 8.], [ 0., 0., 0., 4.]])
注意：
- 不同於reshape方法，vstack和hstack是numpy級別的功能，不能通過數組對象來調用
- v和h實際上就是垂直方向和水平方向，英文字母
- 參數要以元組的方式提供
numpy還有一個concatenate方法,既可以垂直拼接也可以水平拼接，是通過axis參數進行區分，其工作機制比較難以理解和記憶，建議查看范例，對照使用：
>>> np.concatenate((a, b), axis=0)
array([[ 8., 8.],
[ 0., 0.],
[ 1., 8.],
[ 0., 4.]])
>>> np.concatenate((a, b), axis=1)
array([[ 8., 8., 1., 8.], [ 0., 0., 0., 4.]])
>>>arr1 = np.array([1, 2, 3])
>>>arr2 = np.array([4, 5, 6])
>>> np.concatenate((arr1, arr2), axis=0)
array([1 2 3 4 5 6])
concatenate方法在合並的時候，兩個數組必須處在同一維度，否則會報錯。axis參數可以賦值的數值個數取決於數組的維度數。
重要提示：在numpy中，一維和多維，垂直和水平，不同的操作可能產生完全不同的結果和邏輯。最好的辦法是現用現查，或者寫個例子測試一下！
二、切割數組
使用hsplit，可以沿着數組的水平軸拆分數組，方法是指定要返回的相等形狀數組的數目，或者指定在其后面進行拆分的列：
>>> a = np.floor(10*np.random.random((2,12))) >>> a array([[ 9., 5., 6., 3., 6., 8., 0., 7., 9., 7., 2., 7.], [ 1., 4., 9., 2., 2., 1., 0., 6., 2., 2., 4., 0.]]) >>> np.hsplit(a,3) # 將數據均勻分割成3份
[array([[ 9., 5., 6., 3.], [ 1., 4., 9., 2.]]), array([[ 6., 8., 0., 7.], [ 2., 1., 0., 6.]]), array([[ 9., 7., 2., 7.], [ 2., 2., 4., 0.]])] >>> np.hsplit(a,(3,4)) # 在指定的列位置，分割數組
[array([[ 9., 5., 6.], [ 1., 4., 9.]]), array([[ 3.], [ 2.]]), array([[ 6., 8., 0., 7., 9., 7., 2., 7.], [ 2., 1., 0., 6., 2., 2., 4., 0.]])]
顯然有vsplit方法，對數組進行垂直方向的分割；也有split方法綜合了兩個方法的功能，可以指定分割的軸。
使用方式與上面的一致。