根据你的描述，你的案子看起来像：In [344]: a=[np.arange(5),np.arange(5)]

In [345]: b=[np.arange(5),np.arange(3)]

In [346]: a

Out[346]: [array([0, 1, 2, 3, 4]), array([0, 1, 2, 3, 4])]

In [347]: b

Out[347]: [array([0, 1, 2, 3, 4]), array([0, 1, 2])]

In [348]: np.concatenate((a,a))

Out[348]:

array([[0, 1, 2, 3, 4],

[0, 1, 2, 3, 4],

[0, 1, 2, 3, 4],

[0, 1, 2, 3, 4]])

In [349]: np.concatenate((a,a),axis=1)

Out[349]:

array([[0, 1, 2, 3, 4, 0, 1, 2, 3, 4],

[0, 1, 2, 3, 4, 0, 1, 2, 3, 4]])

但是如果我使用(a,b)，它会抱怨维度不相等。在

当输入本身是数组时，concatenate的行为更加清晰。这里是数组的列表。在

将np.array应用于a生成一个2行数组。np.concatenate((a,))也做同样的事情。在

^{pr2}$

但是在b上尝试该操作会产生一个object数组，因为这两个元素的大小不相等。这基本上只是array包装中的一个列表。在In [353]: np.array(b)

Out[353]: array([array([0, 1, 2, 3, 4]), array([0, 1, 2])], dtype=object)

将a和{}连接在一起意味着什么？首先弄清楚您希望b的数组版本是什么样子。在In [361]: np.concatenate(b)

Out[361]: array([0, 1, 2, 3, 4, 0, 1, 2])

使用np.pad确保b的所有元素足够长的示例：In [370]: b1=[np.pad(i,(0,5-i.shape[0]),mode='constant') for i in b]

In [371]: b1

Out[371]: [array([0, 1, 2, 3, 4]), array([0, 1, 2, 0, 0])]

In [372]: np.array(b1)

Out[372]:

array([[0, 1, 2, 3, 4],

[0, 1, 2, 0, 0]])

In [373]: np.concatenate((a,b1))

Out[373]:

array([[0, 1, 2, 3, 4],

[0, 1, 2, 3, 4],

[0, 1, 2, 3, 4],

[0, 1, 2, 0, 0]])