python numpy中的c_和r_的用法理解，一分钟搞定，矩阵拼接，简单易懂

c_

c_是按照列拼接的，增加列数，拼接的是最里层的直接子元素（单个数字）

举例一目了然：

• [[1, 2]] 和 [[3, 4]]拼接，结果为：[[1,2,3,4]]；（最里层的直接子元素分别是1，2和3，4）
• [[1,2], [3,4]]和[[5], [6]]拼接，结果为：[[1,2,5], [3,4,6]]；
• 再比如下面两个拼接：

        [[                  [[
           [1,2,3]            [10,20,30]
           [4,5,6]            [40,50,60]
        ]]                  ]]
        结果为：
        [[
           [1,2,3,10,20,30]
           [4,5,6,40,50,60]
        ]]

r_

r_是按照行拼接，增加行数，拼接的是次外层直接子元素。

举例一目了然：

• [[1,2]]和[[3,4]]拼接，结果为：[[1,2],[3,4]]；（次外层直接子元素分别是[1,2]和[3,4]）
• [[1,2],[3,4]]和[[5],[6]]拼接，结果为：[[1,2],[3,4],[5],[6]]；
• 再比如下面两个拼接：

        [[                  [[
           [1,2,3]            [10,20,30]
           [4,5,6]            [40,50,60]
        ]]                  ]]
        结果为：
        [     
           [ [1,2,3]         
             [4,5,6] ] ,
           [ [10,20,30]
             [40,50,60] ]
        ]

另外注意c_和r_是索引方法，而不是函数方法，调用时用中括号而不是圆括号。比如：

np.c_[arr1, arr2]