官方文档的解释如下：
stack:
Join a sequence of arrays along a new axis
concatenate:
Join a sequence of arrays along a existing axis
因此stack 是在新轴axis=n上加入矩阵，已有的axis>=n往后挪动，譬如以前的axis=n挪动到axis=n+1上
而concatenate是在已有的轴axis=n上加入矩阵。
stack 例子：
>>> a = np.array([1, 2, 3])
>>> b = np.array([2, 3, 4])
>>> np.stack((a, b))
array([[1, 2, 3],
[2, 3, 4]])
concatenate例子：
>>> a = np.array([1, 2, 3])
>>> b = np.array([2, 3, 4])
>>> np.concatenate((a, b))
array([1, 2, 3, 2, 3, 4])
hstack:
Equivalent to np.cancatenate(tup, axis=1), if tup contains arrays that are at least 2-dimensional.
vstack:
Equivalent to np.cancatenate(tup, axis=0), if tup contains arrays that are at least 2-dimensional.
因此当hstack 和 vstack 在维度等于1时，其作用相当于stack, 创建新轴。
而当维度大于等于2时，其作用相当于cancatenate, 在已有轴上进行操作。
numpy.stack vs concatenate vs hstack vs vstack
原文：http://www.cnblogs.com/Tron/p/7747892.html