为什么numpy文档建议优先使用concatenete而不是hstack？

Question

为什么numpy documentation推荐使用concatente而不是hstack？你知道吗

but you should prefer np.concatenate or np.stack.

根据this answer，hstack是围绕concatenate的包装器。在这种情况下，为什么不使用hstack来提高代码的可读性呢？你知道吗

Answer 1

所以hstack中的实际代码是：

arrs = [atleast_1d(_m) for _m in tup]
# As a special case, dimension 0 of 1-dimensional arrays is "horizontal"
if arrs[0].ndim == 1:
    return _nx.concatenate(arrs, 0)
else:
    return _nx.concatenate(arrs, 1)

它首先循环遍历参数，并确保每个参数至少为1d。这会处理0d和标量元素，例如在np.hstack([0,1,np.arange(3)])中。你知道吗

其余的在一个和唯一的轴或第二个轴上连接之间进行选择。你知道吗

vstack是类似的，除了它使事物至少成为2d，并在第一个上串联

从这些问题/答案来看，它们仍然被大量使用，我认为在大多数情况下，它们不会引起问题。是np.append造成了大多数问题。我真希望他们不会再加上这个。你知道吗

我认为hstack和vstack的主要问题是它们鼓励（或至少允许）懒惰地思考尺寸和形状。当问题出现时，是因为海报不明白什么是具有相同数量的尺寸，或者形状必须相等（除了一个轴）。你知道吗