<think>我们讨论的是Python中的数组拼接问题。用户询问在拼接数组时，使用`[arr1, arr2]`和`append`方法哪种更好。这里需要区分两种情况：使用Python原生列表和使用NumPy数组。 根据引用内容，我们注意到： - 引用[1][2][3][5]都提到`numpy.append`函数的使用，它只能拼接两个数组（或一个数组和一个数值），并且返回的始终是一维数组。 - 引用[4]提到NumPy提供了多种拼接函数，如`concatenate`, `append`, `stack`等。 但是，用户的问题没有明确说明是使用原生列表还是NumPy数组。因此，我们需要分别讨论。 ### 1. 对于Python原生列表（list） #### a) 使用`[arr1, arr2]`方式 这种方式会创建一个新列表，其中包含`arr1`和`arr2`作为两个元素。如果`arr1`和`arr2`都是列表，那么结果是一个嵌套列表，例如： ```python arr1 = [1, 2, 3] arr2 = [4, 5, 6] result = [arr1, arr2] # [[1,2,3], [4,5,6]] ``` 这通常不是我们想要的拼接（我们可能想要一个扁平列表[1,2,3,4,5,6]）。但如果我们想要嵌套列表，则可以使用。 #### b) 使用`+`运算符 如果我们想要将两个列表拼接成一个扁平列表，可以使用`+`： ```python result = arr1 + arr2 # [1,2,3,4,5,6] ``` #### c) 使用`append`方法 列表的`append`方法是原地操作，将整个`arr2`作为单个元素添加到`arr1`的末尾（形成嵌套）： ```python arr1.append(arr2) # [1,2,3, [4,5,6]] ``` 这通常也不是我们想要的。 #### d) 使用`extend`方法 如果我们想要将`arr2`的所有元素添加到`arr1`的末尾（扁平化），可以使用`extend`： ```python arr1.extend(arr2) # arr1变为[1,2,3,4,5,6] ``` ### 2. 对于NumPy数组 #### a) 使用`[arr1, arr2]` 这实际上会创建一个Python列表，包含两个NumPy数组，并不是一个NumPy数组。所以通常不用于数组拼接。 #### b) 使用`numpy.append` 根据引用[1][2][3][5]： - `np.append(arr, values)`会将数组展平后拼接，返回一维数组，无论输入数组的维度如何。 - 它不能直接用于拼接两个以上的数组（需要多次调用）。 #### c) 使用`numpy.concatenate` 这是NumPy中拼接数组的推荐方法，可以指定轴（axis）进行拼接，并且支持两个以上数组： ```python arr1 = np.array([1,2,3]) arr2 = np.array([4,5,6]) result = np.concatenate((arr1, arr2)) # 一维数组 [1,2,3,4,5,6] # 对于二维数组 a = np.array([[1,2],[3,4]]) b = np.array([[5,6]]) result = np.concatenate((a, b), axis=0) # 按行拼接 ``` #### d) 其他拼接函数 如`hstack`（水平拼接）、`vstack`（垂直拼接）等，具体取决于需求。 ### 总结 1. **原生列表**： - 想要扁平拼接：使用`+`运算符（创建新列表）或`extend`方法（原地修改）。 - 避免使用`append`进行拼接，因为它会形成嵌套。 - `[arr1, arr2]`创建的是嵌套列表，不是拼接。 2. **NumPy数组**： - 避免使用`[arr1, arr2]`，因为它创建的是Python列表。 - 避免使用`np.append`，因为它会强制展平（除非你需要展平后的一维数组）。 - 推荐使用`np.concatenate`，因为它可以指定轴，并且效率更高。对于多个数组拼接，可以一次传入多个数组。 - 对于特定需求，可以使用`hstack`、`vstack`等。 因此，回答用户问题： - 如果你使用原生列表，并且想要拼接成新列表，用`arr1+arr2`更好（注意：这会创建新列表，如果列表很大可能会有性能开销）。如果希望原地修改，则用`extend`。 - 如果你使用NumPy数组，则应该使用`np.concatenate`或其他专门的拼接函数（如`hstack`等），而不是`[arr1, arr2]`或`np.append`。 ### 性能考虑 - 对于原生列表，使用`+`会创建新列表，如果列表很大，多次拼接会导致大量复制，性能较差。此时，如果需要进行多次拼接，可以考虑使用`extend`或者列表推导式，或者使用`collections.deque`。 - 对于NumPy数组，`concatenate`在内存中一次性分配好空间，效率较高。而多次使用`append`（注意：`np.append`每次都会复制整个数组）会导致性能低下，应避免在循环中使用。 ### 示例代码 #### 原生列表拼接 ```python # 方法1：使用+运算符（创建新列表） arr1 = [1, 2, 3] arr2 = [4, 5, 6] result = arr1 + arr2 # [1,2,3,4,5,6] # 方法2：使用extend（原地修改，不创建新列表） arr1.extend(arr2) # arr1变为[1,2,3,4,5,6] # 注意：如果不想修改原列表，可以先复制 arr1 = [1,2,3] arr3 = arr1.copy() arr3.extend(arr2) ``` #### NumPy数组拼接 ```python import numpy as np # 正确方法：使用concatenate arr1 = np.array([1,2,3]) arr2 = np.array([4,5,6]) result = np.concatenate((arr1, arr2)) # array([1,2,3,4,5,6]) # 二维数组按行拼接 a = np.array([[1,2],[3,4]]) b = np.array([[5,6]]) result = np.concatenate((a, b), axis=0) # 注意：b需要是二维，且列数相同 # 或者使用vstack result = np.vstack((a, b)) ``` ### 结论 - **原生列表**：使用`+`或`extend`，不要用`[arr1, arr2]`（除非需要嵌套）和`append`（会形成嵌套）。 - **NumPy数组**：使用`concatenate`等函数，不要用`[arr1, arr2]`（创建列表）和避免循环使用`np.append`（效率低）。 根据你的需求选择合适的方法。 §§相关问题§§ 1. 如何在循环中高效拼接Python列表？ 2. NumPy中`concatenate`和`stack`系列函数有什么区别？ 3. 如何按列拼接NumPy数组？ [^1]: numpy数组拼接：append()、extend()、concatenate()函数 [^2]: 2、数组拼接方法二思路：numpy提供了numpy.append(arr, values, axis=None)函数 [^3]: Python里面数组拼接方法介绍 [^4]: 详解Numpy中的数组拼接、合并操作 [^5]: python-numpy数组拼接方法介绍 </think> 在 Python 中进行数组拼接时，选择 `[arr1, arr2]` 还是 `append()` 方法取决于**数组类型**（原生列表 vs NumPy 数组）和**使用场景**。以下是详细对比： --- ### 🐍 一、Python 原生列表（list） #### 1. 使用 `[arr1, arr2]`（推荐✅） ```python arr1 = [1, 2, 3] arr2 = [4, 5, 6] result = arr1 + arr2 # 等效于 [*arr1, *arr2] print(result) # [1, 2, 3, 4, 5, 6] ``` **优势**： - 语法简洁直观 - 直接生成新列表（**无副作用**） - **时间复杂度** $O(n)$（n 为总元素数）[^1] #### 2. 使用 `append()`（不推荐❌） ```python arr1 = [1, 2, 3] arr2 = [4, 5, 6] arr1.append(arr2) # 错误用法！ print(arr1) # [1, 2, 3, [4, 5, 6]] ❌ 产生嵌套列表 ``` **问题**： - 导致嵌套列表（需额外 `extend()` 扁平化） - 原地修改原数组（**有副作用**） - 多次调用效率低（每次 $O(k)$，k 为添加元素数） --- ### 🔢 二、NumPy 数组 #### 1. 使用 `np.concatenate()`（推荐✅） ```python import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) result = np.concatenate((arr1, arr2)) # 正确拼接 print(result) # [1 2 3 4 5 6] ``` **优势**： - 保留维度控制（通过 `axis` 参数） - 支持多维数组拼接 - **高效内存管理**（预分配连续空间） #### 2. 使用 `np.append()`（谨慎使用⚠️） ```python result = np.append(arr1, arr2) # 等效于 concatenate print(result) # [1 2 3 4 5 6] ``` **局限性**： - 强制展平为一维（丢失多维结构） - 内部调用 `concatenate`，**性能略低**[^4] - 参数限制：**只能拼接两个对象**[^2][^3] #### 3. 错误用法：`[arr1, arr2]` ```python result = [arr1, arr2] # 创建 Python 列表，非 NumPy 数组 print(type(result)) # <class 'list'> ❌ ``` --- ### 📊 方法对比总结 | **场景** | 推荐方法 | 避免方法 | |------------------------|------------------------------|-----------------------| | Python 列表一维拼接 | `arr1 + arr2` 或 `[*arr1, *arr2]` | `append()` | | Python 列表多维拼接 | `list1.extend(list2)` | `append()` | | NumPy 数组一维拼接 | `np.concatenate((arr1, arr2))` | `[arr1, arr2]` | | NumPy 数组多维轴向拼接 | `np.concatenate(axis=0/1)` | `np.append()` | | 三个及以上数组拼接 | `np.concatenate((arr1,arr2,arr3))` | 多次调用 `append()`[^5] | --- ### 💡 关键结论 1. **Python 原生列表**：优先用 `+` 或 `extend()`，避免 `append()` 导致的嵌套问题 2. **NumPy 数组**： - 一维拼接：`concatenate` 和 `append` 效果相同，但前者更明确 - 多维拼接：**必须用 `concatenate`**（保留维度控制） - 多数组拼接：直接传入 `concatenate` 元组，**禁止链式调用 `append()`**[^1] 3. **性能提示**：大型数组优先选 `concatenate`，它直接操作内存块，避免 `append` 的临时数组创建[^4] ```python # 最佳实践：NumPy 多数组拼接示例 arr3 = np.array([7, 8, 9]) result = np.concatenate((arr1, arr2, arr3)) # 一次完成 ```