np c 和np r 的常用用法

np.c_是按列增加拼接兩個矩陣(效果是每行看上去延長了)，就是把兩矩陣左右相加，要求行數相等。

np.r_是按行增加拼接兩個矩陣(效果是每列看上去延長了)，就是把兩矩陣上下相加，要求列數相等。

參見文件例子：

執行環境jupyternotebook

1.np.c_的用法：

np.c_[np.array([1
,2,3
]), np.array([4
,5,6
])]

分析：先明確np.array是用於資料科學計算的，array後面乙個方括號資料都是預設列向量的，這也符合機器學習中特徵和引數都是預設列向量。列向量[1,2,3]和列向量[4,5,6]根據定義按列相加拼接結果如下，[4,5,6]以列的形式拼接到了列向量[1,2,3]的後面。拼接好後就是乙個3*2的矩陣了，如下：

結果：

array([[1, 4],

[2, 5],

[3, 6]])

np.c_[np.array([[
1,2,
3]])
,0,0
, np.array([[
4,5,
6]])
]

分析：上面我們說了array後面資料帶乙個方括號是列向量，那麼帶兩個顯然就是矩陣了，這是1*3的矩陣。1，2，3分別是每一列，4，5，6也是每一列，按列相加，結果顯而易見，如下：

結果：

array([[1, 2, 3, 0, 0, 4, 5, 6]])

再看乙個np.c_例子：

a = np.array([[
1,2,
3],[
7,8,
9]])
b = np.array([[
4,5,
6],[
1,2,
3]])
c = np.c_[a,b]
c

結果：

array([[1, 2, 3, 4, 5, 6],

[7, 8, 9, 1, 2, 3]])

2.np.r_的用法：

np.r_[np.array([1
,2,3
]),0
,0, np.array([4
,5,6
])]

分析：np._r是按行增加拼接，首先乙個方括號是列向量，[1,2,3]是列向量，豎起來，在它下面按行增加，0，0拼接上去，[4,5,6]也是列向量。如下：

結果：

array([1, 2, 3, 0, 0, 4, 5, 6])

a = np.array([[
1,2,
3],[
7,8,
9]])
b = np.array([[
4,5,
6],[
1,2,
3]])
g=np.r_[a,b]
g

結果

array([[1, 2, 3],

[7, 8, 9],

[4, 5, 6],

[1, 2, 3]])

以上讀者自己分析。

補充：np.r_，np.c_還有很多用法，給拼接的資料前面新增引數從而讓列拼接的變成行拼接的，或者讓拼接後仍是列向量的資料變成矩陣。這裡就不展開討論了，詳細的用法讀者可以用help(np.r_)或者help(np.c_)去看官方的幫助文件。

np c 和np r 的常用用法

numpy中的np c 和np r 詳解

numpy中矩陣合併np c 和np r

C Set和multiset常用用法

np c 和np r 的常用用法

numpy中的np c 和np r 詳解

numpy中矩陣合併np c 和np r

C Set和multiset常用用法

相關推薦