## 一、`np.full` 函数：快速创建指定值填充的数组### 功能
`np.full` 用于生成一个指定形状（shape）和数据类型（dtype）的数组，所有元素均填充为用户指定的固定值 [[3]][[8]]。### 语法
```python
np.full(shape, fill_value, dtype=None)-
shape：数组形状，可以是整数（一维数组）或元组（多维数组），例如(3, 4)表示 3 行 4 列 [[8]]。 -
fill_value：填充数组的固定值，例如1、0.5或字符串"Hello"。 -
dtype：可选参数，指定数组的数据类型（默认与fill_value类型一致）。
示例
Python复制
import numpy as np# 创建 2x3 数组，所有元素为 5
arr = np.full((2, 3), 5)
print(arr)
# 输出：
# [[5 5 5]
# [5 5 5]]# 创建包含浮点数的 1x4 数组
arr_float = np.full(4, 3.14)
print(arr_float) # 输出：[3.14 3.14 3.14 3.14]应用场景
-
初始化占位数组：在机器学习中，常用于生成全 1 的列向量（如添加偏置项）[[3]]。
-
快速生成测试数据：填充固定值以验证算法逻辑。
二、np.concatenate 函数：灵活拼接数组
功能
np.concatenate 沿指定轴（axis）将多个数组合并为一个新数组 [[7]][[9]]。要求所有输入数组在非拼接轴上的维度必须一致。
语法
Python复制
np.concatenate((a1, a2, ...), axis=0)-
a1, a2, ...：需要拼接的数组序列，需保证形状兼容 [[9]]。 -
axis：拼接轴方向，默认axis=0（垂直拼接），axis=1表示水平拼接 [[7]]。
示例
Python复制
import numpy as np# 垂直拼接（沿 axis=0）
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])
result = np.concatenate((a, b), axis=0)
print(result)
# 输出：
# [[1 2]
# [3 4]
# [5 6]]# 水平拼接（沿 axis=1）
c = np.array([[7], [8], [9]])
result = np.concatenate((a, c), axis=1)
print(result)
# 输出：
# [[1 2 7]
# [3 4 8]]注意事项
-
形状兼容性：若
axis=1，所有数组的行数必须相同；若axis=0，列数必须相同 [[7]]。 -
替代函数：
np.append是np.concatenate的简化版，但效率较低，推荐优先使用concatenate[[7]]。
三、联合使用场景
在机器学习中，np.full 和 np.concatenate 常结合使用。例如，为特征矩阵 X 添加全 1 的偏置列：
Python复制
X = np.random.rand(100, 5) # 100 个样本，5 个特征
bias = np.full((X.shape[0], 1), 1) # 生成全 1 列向量 [[3]]
X_with_bias = np.concatenate([X, bias], axis=1) # 拼接后形状为 (100, 6)四、总结
-
np.full：快速生成固定值数组，适用于初始化或占位 [[3]][[8]]。 -
np.concatenate：灵活合并数组，需注意形状和轴方向的匹配 [[7]][[9]]。
通过这两个函数，可以高效完成数组的创建与操作，是科学计算和数据分析中的常用工具。