numpy 学习之 np.c_[] 和 np.r_[] 的用法

定义

r是row(行)的缩写。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。(原来为两个2行3列，行加起来，列数不变，则变为4行3列)

c是column(列)的缩写。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。(原来为两个2行3列，列加起来，行数不变，则变为2行6列)

例子一

# -*- coding: utf-8 -*
import numpy as np

x_1 = np.array([[1, 2, 3],
                [4, 5, 6]])
x_2 = np.array([[7, 8, 9],
                [10, 11, 12]])
x_c = np.c_[x_1, x_2]
x_r = np.r_[x_1, x_2]
print("x_1 = \n", x_1)
print("x_2 = \n", x_2)
print("x_1.shape =", x_1.shape)
print("x_2.shape =", x_2.shape)
print("x_c = \n", x_c)
print("x_r = \n", x_r)

输出：

x_1 = 
 [[1 2 3]
 [4 5 6]]
x_2 = 
 [[ 7  8  9]
 [10 11 12]]
x_1.shape = (2, 3)
x_2.shape = (2, 3)
x_c = 
 [[ 1  2  3  7  8  9]
 [ 4  5  6 10 11 12]]
x_r = 
 [[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]

例子二

对于np.array([1, 2, 3])这种形式的矩阵，虽然表面上打印出是行矩阵的形式，但其实它是一个一维的矩阵，默认是一个列向量，所以它其实是个3行1列的向量（np.array([1, 2, 3]).shape是(3,)）。

对两个3行1列的矩阵使用np.c_[]时，会得到3行2列的矩阵。
对两个3行1列的矩阵使用np.r_[]时，会得到6行1列的矩阵。但它是一维的，所以在显示时，会用横着打印出来。

# -*- coding: utf-8 -*
import numpy as np

y_1 = np.array([1, 2, 3])
y_2 = np.array([4, 5, 6])
y_c = np.c_[y_1, y_2]
y_r = np.r_[y_1, y_2]
print("y_1 = ", y_1)
print("y_2 = ", y_2)
print("y_1.shape =", y_1.shape)
print("y_2.shape =", y_2.shape)
print("y_c = \n", y_c)
print("y_r = \n", y_r)

输出：

y_1 =  [1 2 3]
y_2 =  [4 5 6]
y_1.shape = (3,)
y_2.shape = (3,)
y_c = 
 [[1 4]
 [2 5]
 [3 6]]
y_r = 
 [1 2 3 4 5 6]