说明
NumPy 教程 持续更新中,提供建议、纠错、催更等加作者微信: gairuo123(备注:pandas教程)和关注公众号「盖若」ID: gairuo。跟作者学习,请进入 Python学习课程。欢迎关注作者出版的书籍:《深入浅出Pandas》 和 《Python之光》。
numpy.c_
是 NumPy 中的一个类,用于按列连接两个数组。它允许你按列组合两个数组,类似于 SQL 中的 CONCATENATE 操作。这个类实际上是一个索引对象,可以用于按列连接两个数组。即将切片对象转换为沿第二个轴串联。
以下是一些示例:
np.c_[np.array([1,2,3]), np.array([4,5,6])]
'''
array([[1, 4],
[2, 5],
[3, 6]])
'''
np.c_[np.array([[1,2,3]]), 9, np.array([[4,5,6]])]
# array([[1, 2, 3, 9, 4, 5, 6]])
np.c_[6:16, 3:23:2, range(10)]
'''
array([[ 6, 3, 0],
[ 7, 5, 1],
[ 8, 7, 2],
[ 9, 9, 3],
[10, 11, 4],
[11, 13, 5],
[12, 15, 6],
[13, 17, 7],
[14, 19, 8],
[15, 21, 9]])
'''
语法为:
np.c_[...]
这是 np.r_['-1,2,0', index expression]
的简写形式,由于其常见的使用情况而变得实用。特别是,数组将沿着它们的最后一个轴堆叠,升级为至少 2 维,并在形状后附加 1(由 1 维数组制成的列向量)。即它将切片对象转换为沿第二个轴的串联。
其中括号内可以是:
第一个位置上可以有一个字符串作为特殊指令(special directive),见下文介绍。
numpy.c_
的特殊指令是通过字符串标识符指定的,这些标识符表示连接的方式。不加特殊指令效果如下:
import numpy as np
array1 = np.array([1, 2, 3, 4])
array2 = np.array([5, 6, 7, 8])
np.c_[array1, array2]
'''
array([[1, 5],
[2, 6],
[3, 7],
[4, 8]])
'''
下面是一些常见的字符串标识符和它们的含义:
表示按行连接,即沿着第一个轴连接数组。
np.c_['r', array1, array2]
'''
np.c_[array1, array2]
'''
array([[1, 5],
[2, 6],
[3, 7],
[4, 8]])
'''
表示按列连接,即沿着最后一个轴连接数组。
np.c_['c', array1, array2]
'''
matrix([[1, 5],
[2, 6],
[3, 7],
[4, 8]])
'''
可以使用数字表示连接的轴,例如 '-1' 表示沿着最后一个轴连接。
np.c_['0', array1, array2]
'''
array([[1],
[2],
[3],
[4],
[5],
[6],
[7],
[8]])
'''
例如 '0,2' 表示沿着前两个轴连接。
使用逗号插入标识符,例如 '0,3,0' 表示沿着第一个轴连接,并在前面插入 3 个轴。
更新时间:2024-01-30 13:32:28 标签:numpy 连接 python