numpy.
r_
将切片对象转换为沿第一个轴的串联。
这是一种快速构建阵列的简单方法。有两个用例。
如果索引表达式包含逗号分隔的数组,则将它们沿第一个轴堆叠。
如果索引表达式包含切片表示法或标量,则创建一个一维数组,其范围由切片表示法指示。
如果使用切片表示法,则语法 start:stop:step 等于 np.arange(start, stop, step) 在括号内。然而,如果 step 是一个虚数(即100J),那么它的整数部分被解释为所需的点数,并且起始点和终止点都包含在内。换言之 start:stop:stepj 被解释为 np.linspace(start, stop, step, endpoint=1) 在括号内。在切片符号扩展之后,所有逗号分隔的序列被连接在一起。
start:stop:step
np.arange(start, stop, step)
step
start:stop:stepj
np.linspace(start, stop, step, endpoint=1)
作为索引表达式的第一个元素放置的可选字符串可用于更改输出。字符串“r”或“c”导致矩阵输出。如果结果是一维的,并且指定了“r”,则生成1 x n(行)矩阵。如果结果是一维的,并且指定了“c”,则生成一个n x 1(列)矩阵。如果结果是二维的,那么两者都提供相同的矩阵结果。
字符串整数指定沿哪个轴堆叠多个逗号分隔的数组。由两个逗号分隔的整数组成的字符串允许指示强制每个条目作为第二个整数的最小维度数(要连接的轴仍然是第一个整数)。
一个包含三个逗号分隔整数的字符串允许指定的轴连接在一起,强制输入的最小维度数,以及哪个轴应包含小于指定维度数的数组的开头。换句话说,第三个整数允许您指定1应放置在已升级其形状的数组形状中的位置。默认情况下,它们被放置在形状元组的前面。第三个参数允许您指定数组的起始位置。因此,第三个参数“0”会将1置于数组形状的末尾。负整数指定新形状元组中升级数组的最后一个维度应放置在何处,因此默认值为“-1”。
参见
concatenate
沿现有轴联接一系列数组。
c_
将切片对象转换为沿第二个轴的串联。
实例
>>> np.r_[np.array([1,2,3]), 0, 0, np.array([4,5,6])] array([1, 2, 3, ..., 4, 5, 6]) >>> np.r_[-1:1:6j, [0]*3, 5, 6] array([-1. , -0.6, -0.2, 0.2, 0.6, 1. , 0. , 0. , 0. , 5. , 6. ])
字符串整数指定要连接的轴,或者指定强制条目的最小维度数。
>>> a = np.array([[0, 1, 2], [3, 4, 5]]) >>> np.r_['-1', a, a] # concatenate along last axis array([[0, 1, 2, 0, 1, 2], [3, 4, 5, 3, 4, 5]]) >>> np.r_['0,2', [1,2,3], [4,5,6]] # concatenate along first axis, dim>=2 array([[1, 2, 3], [4, 5, 6]])
>>> np.r_['0,2,0', [1,2,3], [4,5,6]] array([[1], [2], [3], [4], [5], [6]]) >>> np.r_['1,2,0', [1,2,3], [4,5,6]] array([[1, 4], [2, 5], [3, 6]])
使用“r”或“c”作为第一个字符串参数创建矩阵。
>>> np.r_['r',[1,2,3], [4,5,6]] matrix([[1, 2, 3, 4, 5, 6]])