np.r_和np.c_用法解析

numpy中np.r_和np.c_用于矩阵操作,具体来说:
np.r_是按列连接两个矩阵,就是把两矩阵上下相加,要求列数相等。
np.c_是按行连接两个矩阵,就是把两矩阵左右相加,要求行数相等。

举例:

import numpy as np
a=np.array([1,2,3])  #注意这两个矩阵的形状是(3,),不是(1,3),[[1,2,3]]这个矩阵的形状才是(1,3)
b=np.array([4,5,6])
print(a.shape)
print("==================================")
print(np.r_[a,b])
print(np.r_[a,b].shape)   #np.r_[a,b]的形状是(6,),按行连接,要求列数相等
print("==================================")
print(np.c_[a,b])
print("==================================")
a=np.array([[1,2,3],
            [0,0,0]])
b=np.array([[4,5,6],
            [0,0,0]])
print(np.r_[a,b])
print("==================================")
print(np.c_[a,b])

输出:
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值