矩阵串联 numpy.concatenate操作数据的实际执行情况

矩阵串联 np.concatenate((a, b), axis=#)
可以简单认为 按某方向轴，两矩阵a b 相加的结果

1. 当 axis=0时 按列-插入
2. 当 axis=1时 按行-插入
3. 当 axis=2时 先行后列-插入
   三维数组和二维数组处理方式略微不同，主要体现在（矩阵串联前）插入前是否转置

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]]) 

#axis表示沿着某个轴拼接，注意维度要相适应
# axis=0 默认为列方向
np.concatenate((a, b), axis=0)
 >>>
 array([[1, 2],
        [3, 4],
        [5, 6]]) 
   
# axis=1为行方向的矩阵相加
np.concatenate((a, b.T), axis=1)
>>>
array([[1, 2, 5],
       [3, 4, 6]])
       
# axis=2 数组行列两方向的矩阵相加,注意维度

np.concatenate((a, b), axis=0) 时，结果如下：把b转置再按列-插入

np.concatenate((a, b.T), axis=1) 时，结果如下：把b.T转置再逐行-插入

 a = np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])
 c = np.array([[[5,6,7],[7,8,9]],[[4,5,6],[5,6,7]]])
 
np.concatenate((a, c), axis=0)
>>>
array（[[[1 2 3]
       [4 5 6]]
        
       [[1 2 3]
       [4 5 6]]

       [[5 6 7]
       [7 8 9]]

       [[4 5 6]
       [5 6 7]]]）
       
np.concatenate((a, c), axis=1)
>>>
array([[[1, 2, 3],
        [4, 5, 6],
        [5, 6, 7],
        [7, 8, 9]],
 
       [[1, 2, 3],
        [4, 5, 6],
        [4, 5, 6],
        [5, 6, 7]]])
        
np.concatenate((a, c), axis=2)
>>>
array([[[1, 2, 3, 5, 6, 7],
        [4, 5, 6, 7, 8, 9]],
 
       [[1, 2, 3, 4, 5, 6],
        [4, 5, 6, 5, 6, 7]]])

np.concatenate((a, c), axis=0) 时，结果如下：按列-插入

np.concatenate((a, c), axis=1) 时，结果如下：按行-插入

np.concatenate((a, c), axis=2) 时，结果如下：先行后列-插入