numpy.r_#

numpy.r_ = <numpy.lib._index_tricks_impl.RClass object>#

将切片对象转换为沿第一个轴的连接。

这是一种快速构建数组的简单方法。有两种用例。

  1. 如果索引表达式包含用逗号分隔的数组,则将它们沿第一个轴堆叠。

  2. 如果索引表达式包含切片符号或标量,则创建一个包含切片符号指示的范围的 1-D 数组。

如果使用切片符号,则语法 start:stop:step 等效于括号内的 np.arange(start, stop, step)。但是,如果 step 是一个虚数(例如 100j),则其整数部分被解释为所需的点数,并且起点和终点是包含的。换句话说,start:stop:stepj 被解释为括号内的 np.linspace(start, stop, step, endpoint=1)。在扩展切片符号之后,所有用逗号分隔的序列都将连接在一起。

作为索引表达式第一个元素的可选字符字符串可用于更改输出。字符串“r”或“c”将导致矩阵输出。如果结果是 1-D 并且指定了“r”,则将生成 1 x N(行)矩阵。如果结果是 1-D 并且指定了“c”,则将生成 N x 1(列)矩阵。如果结果是 2-D,则两者都提供相同的矩阵结果。

字符串整数指定沿其堆叠多个逗号分隔数组的轴。由两个逗号分隔的整数组成的字符串允许指示将每个条目强制进入的最小维度数,作为第二个整数(沿其连接的轴仍然是第一个整数)。

由三个逗号分隔的整数组成的字符串允许指定要连接的轴、要强制条目进入的最小维度数以及应包含维度数小于指定维度数的数组开头的轴。换句话说,第三个整数允许您指定在维度数升级的数组的形状中应该放置 1 的位置。默认情况下,它们放置在形状元组的前面。第三个参数允许您指定数组的开头应该放置在何处。因此,第三个参数“0”会将 1 放置在数组形状的末尾。负整数指定在新形状元组中应放置升级数组的最后一个维度的位置,因此默认值为“-1”。

参数:
不是函数,所以不接受参数
返回值:
连接的 ndarray 或矩阵。

另请参阅

concatenate

沿现有轴连接一系列数组。

c_

将切片对象转换为沿第二个轴的连接。

示例

>>> import numpy as np
>>> np.r_[np.array([1,2,3]), 0, 0, np.array([4,5,6])]
array([1, 2, 3, ..., 4, 5, 6])
>>> np.r_[-1:1:6j, [0]*3, 5, 6]
array([-1. , -0.6, -0.2,  0.2,  0.6,  1. ,  0. ,  0. ,  0. ,  5. ,  6. ])

字符串整数指定要连接的轴或要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创建一个矩阵。

>>> np.r_['r',[1,2,3], [4,5,6]]
matrix([[1, 2, 3, 4, 5, 6]])