可以在不同的轴上堆积数组：
>>> a = np.floor(10*np.random.random((2,2)))
>>> a
array([[ 8., 8.],
[ 0., 0.]])
>>> b = np.floor(10*np.random.random((2,2)))
>>> b
array([[ 1., 8.],
[ 0., 4.]])
>>> np.vstack((a,b))
array([[ 8., 8.],
[ 0., 0.],
[ 1., 8.],
[ 0., 4.]])
>>> np.hstack((a,b))
array([[ 8., 8., 1., 8.],
[ 0., 0., 0., 4.]])
注意：
numpy还有一个column_stack方法，其工作机制比较难以理解和记忆，建议查看范例，对照使用：
>>> from numpy import newaxis # 引入一个新轴 >>> np.column_stack((a,b)) array([[ 8., 8., 1., 8.], [ 0., 0., 0., 4.]]) >>> a = np.array([4.,2.]) >>> b = np.array([3.,8.]) >>> np.column_stack((a,b)) # 返回一个二维数组 array([[ 4., 3.], [ 2., 8.]]) >>> np.hstack((a,b)) # 与上面的结果是不一样的 array([ 4., 2., 3., 8.]) >>> a[:,newaxis] # 为a添加一个轴 array([[ 4.], [ 2.]]) >>> np.column_stack((a[:,newaxis],b[:,newaxis])) array([[ 4., 3.], [ 2., 8.]]) >>> np.hstack((a[:,newaxis],b[:,newaxis])) # 但这时结果是一样的 array([[ 4., 3.], [ 2., 8.]])
重要提示：在Numpy中，一维和多维，垂直和水平，不同的操作可能产生完全不同的结果和逻辑，这点不但新手容易迷惑，老手也经常出问题。最好的办法是现用现查，或者写个例子测试一下！
vstack和hstack完全可以用append来实现