Numpy拼接二维数组与一维数组报维度不匹配错误如何解决

• np.random.randint(0,10,(99,100))生成的non_zero_m是二维数组，形状为(99, 100)
• 按axis=0求和后得到的arr是一维数组，形状为(100,)，维度数为1
• np.concatenate要求所有参与拼接的数组维度数完全相同，因此触发维度不匹配的报错

你原本的代码使用randint(0,10,...)会生成包含0的整数，如果需要完全非零的矩阵，需要把随机数的下限改为1。

以下几种写法都可以实现需求：

1. 手动给求和结果升维后用concatenate拼接

import numpy as np
non_zero_m = np.random.randint(1, 10, (99, 100))
arr = non_zero_m.sum(axis=0).reshape(1, 100)
singular_m = np.concatenate((non_zero_m, arr), axis=0)

2. 用np.newaxis新增维度

import numpy as np
non_zero_m = np.random.randint(1, 10, (99, 100))
arr = non_zero_m.sum(axis=0)[np.newaxis, :]
singular_m = np.concatenate((non_zero_m, arr), axis=0)

3. 直接使用垂直拼接函数np.vstack，自动适配维度

import numpy as np
non_zero_m = np.random.randint(1, 10, (99, 100))
singular_m = np.vstack((non_zero_m, non_zero_m.sum(axis=0)))

内容的提问来源于stack exchange，提问作者doppelherz7