c=np.concatenate((a, b), axis=axis)
这个函数用于将多个数组进行连接，这与stack函数很容易混淆，他们之间的区别是concatenate会把当前要匹配的元素降一维，即去掉最外面那一层括号。举个例子：
axis=0
a = np.arange(8).reshape(2,2,2)#前面2表示2维
b = np.arange(8).reshape(2,2,2)
c=np.concatenate((a, b), axis=axis)
d=np.stack((a, b), axis=axis)
print(c)
print(c.shape)
print(d)
print(d.shape)
输出
[[[0 1]
[2 3]]
[[4 5]
[6 7]]
[[0 1]
[2 3]]
[[4 5]
[6 7]]]
(4, 2, 2)#axis=0，扩展为4维
[[[[0 1]
[2 3]]
[[4 5]
[6 7]]]
[[[0 1]
[2 3]]
[[4 5]
[6 7]]]]
(2, 2, 2, 2)
由此可推：
当axis=1时，c.shape为（2,4,2），整合后C维度不变，行数增加，d.shape为（2,2,2,2）
[[[0 1]
[2 3]
[0 1]
[2 3]]
[[4 5]
[6 7]
[4 5]
[6 7]]]
(2, 4, 2)
当axis=2时，c.shape为（2,2,4）。整合后C维度不变，列数增加。d.shape为（2,2,2,2）
[[[0 1 0 1]
[2 3 2 3]]
[[4 5 4 5]
[6 7 6 7]]]
(2, 2, 4)
另外一个区别是，stark能够对最低维度的元素进行匹配，而concatenate是不行的，因为最低维度已经不能再降维了，因此这里stark的axis可以等于3，而concatenate不行。
转载请标明出处:Nump.concatenate()函数整合问题
文章来源: Nump.concatenate()函数整合问题