python的数组合并在算法题中用到特别多，这里简单总结一下：
假设有a1和a2两个数组：
a1=[1,2,3]
a2=[4,5,6]
1. 直接相加
合并后赋值给新数组a3
a3 = a1 + a2
2. extend
调用此方法，a1会扩展成a1和a2的内容 a1.extend(a2)
3. 列表表达式
先生成新的二维数组) a3 = [a1, a2])
列表推导形成新的数组) a4 = [ y for a in a3 for y in a ])
下面分别测试下三种数组合并方式的性能
分别输出：
17.2916171551
20.8185400963
55.1758739948
可以看出:在数据量大的时候，第一种方式的性能要高出很多。
这个如果用numpy我不怎么熟，我觉得用pandas是常态- -，代码如下：
import pandas as pd
a = [[1,2,3,4],[1,2,3,4],[1,2,3,4],[1,2,3,4],[1,2,3,4]]
b=pd.DataFrame(a)
print(list(b.sum()))
import numpy
a = [1, 2, 3, 4]
b = [5, 6, 7, 8]
a_array = numpy.array(a)
b_array = numpy.array(b)
c_array = a_array + b_array
d_array = a_array - b_array
print c_array
print d_array
扩展资料：
算术运算结果的数字类型与运算数的类型有关。进行除法（/）运算时，不管商为整数还是浮点数，运算结果始终为浮点数。要得到整型的商，需要用双斜杠（//）做整除，且除数必须是整型的。对于其他的运算，只要任一运算数为浮点数，运算结果就是浮点数。Python算术运算的基础使用方法如下所示。
num_int = 4
num_float = 4.0
print('整数与浮点数的和为：', num_int + num_float)
#Out[1]: 整数与浮点数的和为：8.0
print('整数与浮点数的差为：', num_int - num_float)
#Out[2]: 整数与浮点数的差为： 0.0
print('整数与浮点数的积为：', num_int * num_float)
#Out[3]: 整数与浮点数的积为：16.0
print('浮点数与整数的商为：', num_float / num_int)
#Out[4]: 浮点数与整数的商为：1.0
print('浮点数对整数取模结果为：', num_float % num_int)
#Out[5]: 浮点数对整数取模结果为： 0.0
print('浮点数的整数次幂为：', num_float ** num_int)
#Out[6]: 浮点数的整数次幂为：256.0
