目录
一、数组拼接：vstack 与 hstack 的 “对齐秘诀”
三、元素增删：append 与 delete 的 “小心思”
今天感觉自己像个 “数组外科医生”—— 对着 NumPy 数组切切补补，居然也玩出了章法。晚上在 PyCharm 里复盘，从数组拼接时的 “对齐术” 到切割时的 “精准刀”，踩了几个小坑，也攒了些实用技巧，索性写成笔记，给同样在 NumPy 里打转的小伙伴参考～
一、数组拼接：vstack 与 hstack 的 “对齐秘诀”
拼接数组时，最开始总搞不懂 “为什么有时候能拼，有时候会报错”。直到在 PyCharm 里调了几组代码，才发现核心是 “形状对齐”。
1、垂直堆叠（vstack）：上下对齐看行数
垂直堆叠就像 “把两个数组上下摞起来”，要求它们的列数必须相同。比如 PPT 里的例子，2 行 5 列的数组a和 2 行 5 列的数组b，用vstack拼完直接变成 4 行 5 列：
import numpy as np
a = np.arange(10).reshape(2, -1) # 2行5列：[[0-4], [5-9]]
b = np.repeat(1, 10).reshape(2, -1) # 2行5列：[[1,1,1,1,1], [1,1,1,1,1]]
stacked_v = np.vstack((a, b))
print("垂直拼接后形状：", stacked_v.shape) # 输出(4,5) 在 PyCharm 里运行时，我特意在变量面板里对比了a和b的shape—— 都是(2,5)，列数一致，难怪能拼。后来故意把b改成 3 列，PyCharm 直接标红报错 “ValueError: all the input array dimensions for the concatenation axis must match exactly”，这下印象深刻了。
2、水平堆叠（hstack）：左右对齐看列数
水平堆叠则是 “左右并排”，要求行数必须相同。还是用上面的a和b，换hstack试试：
stacked_h = np.hstack((a, b))
print("水平拼接后形状：", stacked_h.shape) # 输出(2,10) PyCharm 的调试面板里，stacked_h的每一行都是a的行加b的行，比如第一行是[0,1,2,3,4,1,1,1,1,1]，一目了然。
二、数组切割：split 的 “精准刀法”
如果说拼接是 “做加法”，那split就是 “做减法”。但切割比拼接更考验 “分寸感”，尤其是多维数组。
1、一维数组切割：按数量或位置
对一维数组x = np.arange(12)切割，有两种方式：
（1）按数量平均切：np.split(x, 3)会切成 3 个等长的子数组（各 4 个元素）；
（2）按位置切：np.split(x, [2,5])会在索引 2 和 5 的位置切，得到[0-1]、[2-4]、[5-11]。
我在 PyCharm 里用print输出结果时，发现子数组都是numpy.ndarray类型，不是列表，这点和 Python 自带的切割不太一样。
2、二维数组切割：指定 “轴” 很关键
二维数组切割要加axis参数：axis=0是横向切（按行），axis=1是纵向切（按列）。比如 3 行 4 列的数组：
x = np.arange(12).reshape(3,4)
# 按行切成3份（每份1行）
split_row = np.split(x, 3, axis=0)
# 按列切成2份（每份2列）
split_col = np.split(x, 2, axis=1) 在 PyCharm 里调试时，我盯着split_row的每个子数组 ——[[0,1,2,3]]、[[4,5,6,7]]、[[8,9,10,11]]，突然明白 “横向切” 就是把每行拆成独立数组。
三、元素增删：append 与 delete 的 “小心思”
给数组加元素或删元素，看着简单，实则藏着 “是否改变原数组” 的坑。
1、append：默认 “摊平” 数组，指定轴才保留维度
append函数默认会把数组摊平成一维，比如给 2 行 3 列的数组a加元素[7,8,9]：
a = np.array([[1,2,3], [4,5,6]])
print(np.append(a, [7,8,9])) # 输出[1,2,3,4,5,6,7,8,9]（一维） 如果想保留二维，必须加axis参数。比如沿行添加（axis=0），要保证列数和原数组一致：
print(np.append(a, [[7,8,9]], axis=0)) # 变成3行3列 我一开始漏了[[ ]]，写成[7,8,9]，PyCharm 报错 “ValueError: all the input arrays must have same number of dimensions”，原来加二维数组时要保持嵌套结构。
2、delete：删行删列看 axis，默认也摊平
delete和append类似，不加axis会摊平。比如删 3 行 4 列数组的第 2 列（索引 1）：
x = np.arange(12).reshape(3,4)
print(np.delete(x, 1, axis=1)) # 删掉第2列，变成3行3列 在 PyCharm 里对比删除前后的x.shape，从(3,4)变成(3,3)，一目了然。
四、PyCharm 里的 “避坑神器”
学这些操作时，PyCharm 帮我少走了很多弯路：
1、实时形状提示：输入arr.shape时，PyCharm 会自动显示数组的维度，拼接前看一眼，避免形状不匹配；
2、报错定位准：比如hstack时行数不一致，报错信息直接指向 “dimension mismatch”，比课本上的文字描述直观；
3、变量面板可视化：调试时点开数组变量，能看到每个元素的位置，切割和拼接后的数据变化一目了然。
五、今天的 “顿悟” 时刻
最开始学vstack和hstack时，总记混哪个是行哪个是列。后来在 PyCharm 里画了个示意图：
1、vstack的 “v” 像 “vertical（垂直）”，上下堆 → 行数变多；
2、hstack的 “h” 像 “horizontal（水平）”，左右拼 → 列数变多。
还有append加axis的坑，其实和拼接一样：想沿行加，就保证列数匹配；想沿列加，就保证行数匹配。道理相通，只是函数不同而已。
六、最后：从 “不敢下手” 到 “大胆操作”
以前看到数组操作就发怵，总怕搞错维度。今天在 PyCharm 里反复试错，发现这些函数的逻辑其实很统一 —— 无非是 “按轴操作”“形状对齐”。下次再遇到新函数，先在 PyCharm 里建个小例子跑跑，看形状怎么变，元素怎么动，慢慢就有感觉了。
如果你也在学数组操作，不妨试试 “写一行代码，看一次形状，调一次变量”—— 抽象的规则，在代码跑起来的那一刻，突然就清晰了。
（欢迎评论区分享你切割数组时的 “精准刀法” 呀～）