原文：https://blog.csdn.net/zyl1042635242/article/details/43162031 

思路：numpy提供了numpy.concatenate((a1,a2,...), axis=0)函数。能够一次完成多个数组的拼接。其中a1,a2,...是数组类型的参数

示例3：

>>> a=np.array([1,2,3])>>> b=np.array([11,22,33])>>> c=np.array([44,55,66])>>> np.concatenate((a,b,c),axis=0)  # 默认情况下，axis=0可以不写array([ 1,  2,  3, 11, 22, 33, 44, 55, 66]) #对于一维数组拼接，axis的值不影响最后的结果

>>> a=np.array([[1,2,3],[4,5,6]])>>> b=np.array([[11,21,31],[7,8,9]])>>> np.concatenate((a,b),axis=0)array([[ 1,  2,  3],       [ 4,  5,  6],       [11, 21, 31],       [ 7,  8,  9]])

>>> np.concatenate((a,b),axis=1)  #axis=1表示对应行的数组进行拼接array([[ 1,  2,  3, 11, 21, 31],       [ 4,  5,  6,  7,  8,  9]])

对numpy.append()和numpy.concatenate()两个函数的运行时间进行比较

示例：

>>> from time import clock as now>>> a=np.arange(9999)>>> b=np.arange(9999)>>> time1=now()>>> c=np.append(a,b)>>> time2=now()>>> print time2-time128.2316728446>>> a=np.arange(9999)>>> b=np.arange(9999)>>> time1=now()>>> c=np.concatenate((a,b),axis=0)>>> time2=now()>>> print time2-time120.3934997107

可知，concatenate()效率更高，适合大规模的数据拼接