我正在尝试连接两个 numpy 数组，但出现此错误。有人能告诉我这实际上意味着什么吗？
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 变量也不反映串联。
【问题讨论】：
标签： python arrays numpy concatenation
您需要将要连接的数组放入参数中的序列（通常是元组或列表）中。
tmp = np.concatenate((allValues, np.array([30], float)))
tmp = np.concatenate([allValues, np.array([30], float)])
检查documentation 是否有np.concatenate。请注意，第一个参数是数组的序列（例如列表、元组）。它确实不将它们作为单独的参数。
据我所知，这个 API 由所有 numpy 的连接函数共享：concatenate、hstack、vstack、dstack 和 column_stack 都采用一个主参数，应该是一些数组序列。
您收到该特定错误的原因是数组也是序列。但这意味着concatenate 将allValues 解释为要连接的数组序列。但是，allValues 的每个元素都是浮点数而不是数组，因此被解释为零维数组。正如错误所说，这些“数组”无法连接。
第二个参数作为concatenate 的第二个（可选）参数，它是要连接的轴。这只有效，因为第二个参数中有一个元素，它可以转换为整数，因此是一个有效值。如果你在第二个参数中放置了一个包含更多元素的数组，你会得到一个不同的错误：
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
【讨论】：
还要确保连接两个 numpy 数组。我将一个 python 数组与一个 numpy 数组连接起来，它给了我同样的错误：
ValueError: 0-d arrays can't be concatenated
我花了一些时间才弄清楚这一点，因为 stackoverflow 中的所有答案都假设您有两个 numpy 数组。 非常愚蠢但很容易被忽视的错误。因此发布以防万一这对某人有帮助。
这里是使用np.asarray转换现有python数组的链接 要么 create np arrays，如果有帮助的话。
【讨论】：
获得此错误的另一种方法是拥有两个不同类型的 numpy 对象？
我在尝试np.concatenate([A,B]) 时收到此错误
当我运行np.concatenate([B,A])时ValueError: all the input arrays must have same number of dimensions
正如@mithunpaul 提到的，我的类型是关闭的：A 是一个 44279x204 的数组，B 是一个 <44279x12 sparse matrix of type '<class 'numpy.float64'>' with 88558 stored elements in Compressed Sparse Row format>)
这就是错误发生的原因。不过还不知道怎么解决。
【讨论】：
np.concatenate([B.todense(),A])。如果两者都是稀疏的，那么.todense() 他们都是。