numpy.r_#

numpy.r_ = <numpy.lib._index_tricks_impl.RClass object>#

将切片对象转换为沿第一轴的连接.

这是快速构建数组的简单方法.有两种用例.

  1. 如果索引表达式包含逗号分隔的数组,则沿其第一个轴堆叠它们.

  2. 如果索引表达式包含切片表示法或标量,则创建一个 1-D 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 等价于方括号内的 np.arange(start, stop, step) .但是,如果 step 是一个虚数(即 100j),那么它的整数部分将被解释为期望的点数,并且 start 和 stop 是包含在内的.换句话说, start:stop:stepj 被解释为方括号内的 np.linspace(start, stop, step, endpoint=1) .在切片符号展开后,所有逗号分隔的序列会连接在一起.

放置在索引表达式第一个元素的可选字符串可用于更改输出.字符串 ‘r’ 或 ‘c’ 会生成矩阵输出.如果结果是 1-D 并且指定了 ‘r’,则生成 1 x N(行)矩阵.如果结果是 1-D 并且指定了 ‘c’,则生成 N x 1(列)矩阵.如果结果是 2-D,则两者提供相同的矩阵结果.

一个字符串整数指定将多个逗号分隔的数组沿哪个轴堆叠.一个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进入的最小维度数作为第二个整数(沿着连接的轴仍然是第一个整数).

一个包含三个逗号分隔的整数的字符串允许您指定沿哪个轴连接,强制条目进入的最小维度数,以及哪个轴应该包含小于指定维度数的数组的起始位置.换句话说,第三个整数允许您指定在升级形状的数组的形状中应放置 1 的位置.默认情况下,它们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,第三个参数为 ‘0’ 会将 1 放置在数组形状的末尾.负整数指定升级数组的最后一个维度应放置在新形状元组中的位置,因此默认值为 ‘-1’.

参数:
不是函数,因此不接受任何参数
返回:
连接的 ndarray 或矩阵.

参见

concatenate

沿现有轴连接一系列数组.

c_

将切片对象转换为沿第二个轴的串联.

示例

>>> import numpy as np
>>> 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. ])

字符串整数指定要沿其连接的轴或强制条目进入的最小维度数.

>>> 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会创建一个矩阵.

>>> np.r_['r',[1,2,3], [4,5,6]]
matrix([[1, 2, 3, 4, 5, 6]])
当前页面