是否有内置函数将两个1D阵列连接到2D阵列中？
考虑一个例子：
X=np.array([1,2])
y=np.array([3,4])
result=np.array([[1,3],[2,4]])
我可以想到2个简单的解决方案。
第一个非常简单。
np.transpose([X,y])
另一个使用lambda函数。
np.array(list(map(lambda i: [a[i],b[i]], range(len(X)))))
尽管第二个看起来更复杂，但它的速度似乎几乎是第一个的两倍。
编辑
第三种解决方案涉及zip（）函数。
np.array(list(zip(X, y)))
它比lambda函数快，但比@Divakar建议的column_stack解决方案慢。
np.column_stack((X,y))
最佳答案
考虑可伸缩性。如果我们增加数组的大小，那么完整的numpy命令解决方案会更快：
np.random.seed(1234)
X = np.random.rand(10000)
y = np.random.rand(10000)
%timeit np.array(list(map(lambda i: [X[i],y[i]], range(len(X)))))
6.64 ms ± 32.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit np.array(list(zip(X, y)))
4.53 ms ± 33.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit np.column_stack((X,y))
19.2 µs ± 30.5 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit np.transpose([X,y])
16.2 µs ± 247 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit np.vstack((X, y)).T
14.2 µs ± 94.5 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
考虑到所有建议的解决方案，当增加数组大小为
np.vstack(X,y).T和X时，y是最快的。