在NumPy中，有很多不同的方法可以用來合并具有不同維度的數組。以下是一些常見的合并函數：

1. concatenate：將兩個或多個數組沿著指定的軸連接起來。
2. stack：將兩個或多個數組沿著新的軸堆疊起來。
3. hstack：水平堆疊兩個或多個數組（在第二個軸上）。
4. vstack：垂直堆疊兩個或多個數組（在第一個軸上）。

下面我們將分別討論每個函數的使用和示例。

1. concatenate函數

concatenate函數可以將兩個或多個數組沿著指定的軸連接起來。它的語法如下：

numpy.concatenate((a1, a2, ...), axis=0, out=None)

其中：

• a1, a2, …：要連接的數組序列。
• axis：沿著它連接數組的軸，默認為0。
• out：可選參數，如果提供了此參數，則返回結果將存儲在此位置。

下面是一個將兩個數組沿著第一個軸連接在一起的示例：

import numpy as np

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

c = np.concatenate((a, b), axis=0)

print(c)
#輸出：[[1 2]
#     [3 4]
#     [5 6]]

2. stack函數

stack函數可以將兩個或多個數組沿著新的軸堆疊起來。它的語法如下：

numpy.stack(arrays, axis=0, out=None)

其中：

• arrays：要堆疊的數組序列。
• axis：新軸的位置，默認為0。
• out：可選參數，如果提供了此參數，則返回結果將存儲在此位置。

下面是一個將兩個數組在第三個維度上堆疊在一起的示例：

import numpy as np

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

c = np.stack((a, b), axis=2)

print(c)
#輸出：[[[1 4]
#        [2 5]
#        [3 6]]]

3. hstack函數

hstack函數可以水平堆疊兩個或多個數組（在第二個軸上）。它的語法如下：

numpy.hstack(tup)

其中：

• tup：要堆疊的數組序列。

下面是一個將兩個數組在第二個維度上堆疊在一起的示例：

import numpy as np

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

c = np.hstack((a, b))

print(c)
#輸出：[1 2 3 4 5 6]

4. vstack函數

vstack函數可以垂直堆疊兩個或多個數組（在第一個軸上）。它的語法如下：

numpy.vstack(tup)

其中：

• tup：要堆疊的數組序列。

下面是一個將兩個數組在第一個維度上堆疊在一起的示例：

import numpy as np

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

c = np.vstack((a, b))

print(c)
#輸出：[[1]
#      [2]
#      [3]
#      [4]
#      [5]
#      [6]]

總結

NumPy提供了多種方法來合并不同維度的數組。使用函數concatenate、stack、hstack和vstack，我們可以輕松地將數組沿著任意軸連接起來。無論您需要在機器學習、數據科學或其他領域中進行哪些操作，這些功能

將會非常有用。此外，這些函數還可以與其他NumPy功能一起使用，例如切片、索引和廣播，以實現更復雜的操作。

值得注意的是，在使用這些函數時需要注意維度的匹配。如果要沿著某個軸連接多個數組，則它們在該軸上的形狀必須相同。否則會拋出ValueError異常。

此外，這些函數還可以接受不同類型的數組作為輸入，并嘗試進行類型轉換以匹配所有數組的dtype。這可能會導致在性能方面的一些損失，因此最好盡量避免將不同類型的數組合并在一起。

總之，NumPy提供了強大而靈活的功能來合并不同維度的數組。無論您要執行什么樣的任務，都可以使用這些函數來實現所需的操作。同時，使用這些函數時需要注意維度匹配和類型轉換的問題，以確保程序的正確性和效率。