NumPy 按行连接矩阵 np.r_

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.r_ 是 NumPy 中的一个类似于 numpy.c_ 的类，用于按行连接两个数组。它允许你按行组合两个数组，类似于 SQL 中的 CONCATENATE 操作。这个类实际上是一个索引对象，可以用于按行连接两个数组。

简单示例

以下是一些示例：

import numpy as np

array1 = np.array([[1, 2], [3, 4]])
array2 = np.array([[5, 6], [7, 8]])

np.r_[array1, array2]
'''
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])
'''

np.r_[:5, 10, 15:18:2, 70:72]
# array([ 0,  1,  2,  3,  4, 10, 15, 17, 70, 71])

numpy.r_ 在数据处理和数组操作中非常有用，尤其是在处理多个数组并将它们组合成一个更大的数组时。

语法

语法为：

np.c_[...]

将切片对象转换为沿第一个轴串联。这是一种快速构建阵列的简单方法。有两个用例。

如果索引表达式包含逗号分隔的数组，则将它们沿第一个轴堆叠。
如果索引表达式包含切片表示法或标量，则创建一个范围由切片表示法指示的1-D数组。

切片语法

使用切片符号（slice notation）时，numpy.r_ 的一些行为：

如果切片符号的语法 start:stop:step 被使用，那么它等同于在方括号内使用 np.arange(start, stop, step)。这表示通过切片生成的序列是通过 np.arange 函数生成的。
如果 step 是一个虚数（即带有虚部的复数，例如 100j），则其整数部分被解释为所需的点的数量，并且 start 和 stop 是包含的。换句话说，start:stop:stepj 被解释为 np.linspace(start, stop, step, endpoint=1) 在方括号内。在这种情况下，切片生成的序列是通过 np.linspace 函数生成的，其中 endpoint=1 表示包含 stop 在内。
在切片符号扩展后，所有以逗号分隔的序列都会被连接在一起。

这使得 numpy.r_ 在创建数组时可以接受多种切片和序列的组合，并提供了灵活的语法来生成特定范围的数值序列。

特别指令

在 numpy.r_ 的索引表达式中，可作为索引表达式的第一个元素的可选字符字符串，用于改变输出的行为：

字符串 'r' 或 'c' 会导致矩阵输出。如果结果是 1-D 并且指定了 'r'，则会产生一个 1 x N（行）矩阵。如果结果是 1-D 并且指定了 'c'，则会产生一个 N x 1（列）矩阵。如果结果是 2-D，则两者提供相同的矩阵结果。
字符串整数指定在哪个轴上堆叠多个以逗号分隔的数组。由两个逗号分隔的整数组成的字符串允许指定将每个条目强制转换为的最小维数作为第二个整数（仍然是要连接的轴作为第一个整数）。
由三个逗号分隔的整数组成的字符串允许指定沿着哪个轴连接、将条目强制转换为的最小维数以及哪个轴应包含数组的起始位置，这些数组的形状小于指定的维数。换句话说，第三个整数允许你指定在升级数组的形状的元组中 1 应该放在哪里。默认情况下，它们放在形状元组的最前面。第三个参数允许你指定数组的起始位置应该在哪里。因此，第三个参数为 '0' 会将 1 放在数组形状的末尾。负整数指定升级数组的新形状元组中最后一个维度应该放在哪里，所以默认值是 '-1'。

字符串整数指定要连接的轴或强制条目进入的最小维度数。

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可创建矩阵。
np.r_['r',[1,2,3], [4,5,6]]
# matrix([[1, 2, 3, 4, 5, 6]])

参考

https://numpy.org/doc/stable/reference/generated/numpy.r_.html
https://stackoverflow.com/questions/14468158/understanding-the-syntax-of-numpy-r-concatenation

< 高级索引 NumPy 教程按列连接矩阵 np.c_ >

更新时间：Jan. 30, 2024, 9:08 p.m. 标签：numpy 连接 python