numpy数组连接错误：0维数组无法连接

Question

我正在尝试把两个numpy数组连接在一起，但遇到了一个错误。有人能告诉我这到底是什么意思吗？

    Import numpy as np
    allValues = np.arange(-1, 1, 0.5)
    tmp = np.concatenate(allValues, np.array([30], float))

然后我得到了

ValueError: 0-d arrays can't be concatenated

如果我这样做

    tmp = np.concatenate(allValues, np.array([50], float))

没有错误信息，但tmp变量也没有显示出连接的结果。

Answer 1

出现这个错误的另一个原因是有两个不同类型的numpy对象。

当我尝试运行 np.concatenate([A,B]) 时，我会遇到这个错误。

而当我运行 np.concatenate([B,A]) 时，会出现 ValueError: all the input arrays must have same number of dimensions 的错误。

正如 @mithunpaul 提到的，我的类型不匹配：A 是一个 44279x204 的数组，而 B 是一个 <44279x12 的稀疏矩阵，类型为 '<class 'numpy.float64'>'，在压缩稀疏行格式中存储了 88558 个元素>。

所以这就是错误发生的原因。不过我还不知道怎么解决这个问题。

Answer 2

还要确保你是在连接两个numpy数组。我之前是把一个Python数组和一个numpy数组连接在一起，这样也出现了同样的错误：

ValueError: 0-d arrays can't be concatenated

我花了一些时间才搞明白这一点，因为StackOverflow上的所有答案都假设你有两个numpy数组。这个错误看起来很傻，但很容易被忽视。所以我发这个帖子，希望能帮到别人。

这里有一些链接，可以帮助你把现有的Python数组转换成numpy数组，使用np.asarray，或者创建numpy数组，希望对你有帮助。

Answer 3

你需要把想要合并的数组放进一个序列里（通常是元组或列表），然后作为参数传入。

tmp = np.concatenate((allValues, np.array([30], float)))
tmp = np.concatenate([allValues, np.array([30], float)])

查看一下 文档，了解 np.concatenate 的用法。注意，第一个参数是一个数组的序列（比如列表或元组）。它并不是把这些数组当作单独的参数来处理。

据我所知，这个接口在numpy的所有合并函数中都是一样的：concatenate、hstack、vstack、dstack 和 column_stack 都只接受一个主要参数，这个参数应该是一些数组的序列。

---

你遇到的那个错误是因为数组本身也是一种序列。但这意味着 concatenate 把 allValues 解释成了要合并的数组序列。然而，allValues 中的每个元素都是浮点数，而不是数组，因此被当作零维数组来处理。正如错误信息所说，这些“数组”是无法合并的。

第二个参数被当作 concatenate 的第二个（可选）参数，表示要在哪个轴上进行合并。这之所以能工作，是因为第二个参数只有一个元素，可以被转换成整数，因此是一个有效的值。如果你在第二个参数中放入了一个包含多个元素的数组，你就会遇到不同的错误：

a = np.array([1, 2])
b = np.array([3, 4])
np.concatenate(a, b)

# TypeError: only length-1 arrays can be converted to Python scalars