向二维Ndarray追加一维Ndarray时遇维度不匹配错误，求解决

你遇到的错误核心是数组维度不匹配：

• 初始的b是(0,5)的二维数组，但每次执行np.append(b, [1])时，未指定axis参数，numpy会自动将所有输入数组扁平化后拼接，导致b最终变成了(5,)的一维数组。
• 而a是(2,5)的二维数组，使用axis=0追加时，要求两个输入数组维度完全一致（均为二维），一维数组与二维数组维度不匹配，因此抛出ValueError。

方案1：保持b始终为二维数组，追加时指定axis=0 #

每次追加元素时，把单个元素包装成二维数组（即[[x]]），并指定axis=0，确保b一直保持二维结构：

import numpy as np

a = np.ones((2, 5), int)
b = np.empty((0, 5), int)

b = np.append(b, [[1]], axis=0)
b = np.append(b, [[2]], axis=0)
b = np.append(b, [[3]], axis=0)
b = np.append(b, [[4]], axis=0)
b = np.append(b, [[5]], axis=0)

a = np.append(a, b, axis=0)
print(b)
print(a)

方案2：先生成一维数组，再转换为二维行数组后追加 #

如果已经生成了一维的b，可以用reshape(1,5)或者[None, :]将其转换为二维行数组，再与a拼接：

import numpy as np

a = np.ones((2, 5), int)
b = np.array([1,2,3,4,5])  # 直接生成一维数组，比逐个append高效

a = np.append(a, b.reshape(1,5), axis=0)
# 也可以用 a = np.vstack([a, b])，vstack专门用于垂直拼接行

print(a)

方案3：更高效的批量生成方式 #

numpy不推荐频繁使用np.append逐个元素追加（效率极低），建议直接批量生成目标数组：

import numpy as np

a = np.ones((2, 5), int)
b = np.array([[1,2,3,4,5]])  # 直接生成二维行数组

a = np.append(a, b, axis=0)

内容的提问来源于stack exchange，提问作者Officient