上一篇用到了np.concatenante方法处理数组拼接问题，这个方法在pandas库同样有pd.concat的方法对应，因而选择上述方法会比较熟悉且常用，详见上一篇博客：【python】numpy库数组拼接np.concatenate官方文档详解与实例。
对于数组处理的方法还是有很多，下面进一步详解其他方式，方便在实操过程中有更多的选择。
1、np.vstack & np.hstack
- np.vstack(tup)等价于np.concatenate(tup, axis=0)操作，vertical就是垂直方向上操作的意思
- np.vstack(tup)实例：
- np.hstack(tup)等价于np.concatenate(tup, axis=0)操作，horizontal就是水平方向上操作的意思
- np.hstack(tup)实例
2、np.column_stack& np.row_stack
- np.column_stack 官方文档
- np.column_stack(tup)相当于np.concatenate((a1, a2, …), axis=1)，对竖轴的数组进行横向的操作，pupil怎么读即操作对象是column轴实例：
- np.row_stack等价于np.vstack
3、np.c_ & np.r_
-
np.c_ & np.r_是 np.column_stack& np.row_stack 的缩写
-
np.c_ & np.r_的语法与np.column_stack& np.row_stack有区别，np.c_ & np.r_是直接对数组进行操作，而np.column_stack& np.row_stack是对数组的元组或者列表操作。
np.c_ & np.r_实例：
总结：
- np.concatenate(tup, axis=0)需要传递数组的元组或者列表、以及指定轴向。
- np.vstack(tup) 和 np.hstack(tup)只需传入数组的元组即可，轴向在函数定义时已经确定，v即vertical垂直方向上，horizontal即水平方向。
- np.row_stack(tup) 和 np.column_stack(tup)同样只需传入数组的元组即可，轴向同样在函数定义时已经确定，row_stack即对row的维度数据进行垂直方向的操作，column_stack对column的维度数据进行水平方向的操作。
- axis=0 与 row_stack 中的row等价，row维度就是0轴，同理column维度就是1轴，所以这两个定义是指被操做的维度数据，而不是拼接方向；而vertical或者horizontal直接指定拼接方向。