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.

这是一种快速构建数组的简单方法. 有两个用例.

  1. 如果索引表达式包含逗号分隔的数组,则沿它们的第一个轴堆叠它们.

  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 等同于方括号内的 np.arange(start, stop, step) . 但是,如果 step 是一个虚数(即 100j),那么它的整数部分被解释为所需的点数,并且 start 和 stop 是包含的.换句话说, start:stop:stepj 被解释为方括号内的 np.linspace(start, stop, step, endpoint=1) . 在展开切片表示法后,所有逗号分隔的序列都将连接在一起.

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"会生成矩阵输出.如果结果是一维的并且指定了"r",则生成一个 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.两个逗号分隔的整数的字符串允许指示强制每个条目进入的最小维数作为第二个整数(沿其连接的轴仍然是第一个整数).

具有三个逗号分隔整数的字符串允许指定沿其连接的轴,强制条目进入的最小维数,以及哪个轴应包含小于指定维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了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应该在哪里.因此,第三个参数"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,因此不接受参数
返回:
连接的 ndarray 或矩阵.

参见

concatenate

沿现有轴连接数组序列.

c_

将切片对象转换为沿第二个轴连接.

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. ])

字符串整数指定沿其连接的轴或强制条目进入的最小维数.

>>> 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]])
On this page