np.vstack,np.hstack

参考官方文档：https://docs.scipy.org/doc/

np.vstack(tup)

按顺序垂直堆叠数组（按行）。
这相当于将形状（n，）的一维数组整形为（1，n）后沿第一个轴的连接。重建按vsplit划分的数组。
此函数对三维数组最有意义。例如，对于具有高度（第一个维度）、宽度（第二个维度）和R/G/B通道（第三个维度）的像素数据。函数concatenate、stack和block提供了更通用的堆栈和连接操作。

参数：	tup:ndarrays序列  数组必须沿除第一个维度以外的所有维度相同。一维数组的长度必须相同。
返回：	通过堆叠给定数组形成的数组，至少二维。

>>> a = np.array([1, 2, 3])
>>> b = np.array([2, 3, 4])
>>> np.vstack((a,b))
array([[1, 2, 3],
       [2, 3, 4]])

>>> a = np.array([[1], [2], [3]])
>>> b = np.array([[2], [3], [4]])
>>> np.vstack((a,b))
array([[1],
       [2],
       [3],
       [2],
       [3],
       [4]])

np.hstack(tup)

水平（按列）按顺序堆叠数组。
这相当于沿第二个维度的连接，除了一维数组，它沿第一个维度连接。重建被hsplit分割的数组。
此函数对三维数组最有意义。例如，对于具有高度（第一个维度）、宽度（第二个维度）和R/G/B通道（第三个维度）的像素数据。函数concatenate、stack和block提供了更通用的堆栈和连接操作。

参数：	tup:ndarrays序列  数组必须沿除第二个维度以外的所有维度相同，但可以是任意长度的一维数组。
返回：	通过堆叠给定数组而形成的数组。

>>> import numpy as np
>>> x1=[[1],[1],[1],[1]]
>>> y1=[[2],[2],[2],[2]]
>>> x2=[[3],[3],[3],[3]]
>>> y2=[[4],[4],[4],[4]]
>>> res=np.hstack((x1,y1,x2,y2))
>>> print(res)
[[1 2 3 4]
 [1 2 3 4]
 [1 2 3 4]
 [1 2 3 4]]

>>> l=[[1,4],[1,4],[1,4],[1,4]]
>>> res=np.hstack((x1,y1,x2,y2,l))
>>> print(res)
[[1 2 3 4 1 4]
 [1 2 3 4 1 4]
 [1 2 3 4 1 4]
 [1 2 3 4 1 4]]