numpy中np.c_和np.r_的用法解析
作者:青城下 发布时间:2021-02-09 17:54:06
标签:numpy,np.c,np.r
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。
具体见示例:
1.np.c_的用法
a = np.array([[1, 2, 3],[7,8,9]])
b=np.array([[4,5,6],[1,2,3]])
a
Out[4]:
array([[1, 2, 3],
[7, 8, 9]])
b
Out[5]:
array([[4, 5, 6],
[1, 2, 3]])
c=np.c_[a,b]
c
Out[7]:
array([[1, 2, 3, 4, 5, 6],
[7, 8, 9, 1, 2, 3]])
d= np.array([7,8,9])
e=np.array([1, 2, 3])
f=np.c_[d,e]
f
Out[12]:
array([[7, 1],
[8, 2],
[9, 3]])
2.np.r_的用法
a = np.array([[1, 2, 3],[7,8,9]])
b=np.array([[4,5,6],[1,2,3]])
d= np.array([7,8,9])
e=np.array([1, 2, 3])
g=np.r_[a,b]
g
Out[14]:
array([[1, 2, 3],
[7, 8, 9],
[4, 5, 6],
[1, 2, 3]])
h=np.r_[d,e]
h
Out[16]: array([7, 8, 9, 1, 2, 3])
来源:https://blog.csdn.net/weixin_41797117/article/details/80048688


猜你喜欢
- 在默认情况下,MySQL搜索不区分大小写(但某些字符集始终区分大小写,如czech)。这意味着,如果你使用col_name LIKE
- 本文实例为大家分享了python3.6使用SMTP协议发送邮件的具体代码,供大家参考,具体内容如下代码如下:# !/usr/bin/pyth
- 如果你对在Python生成随机数与random模块中最常用的几个函数的关系与不懂之处,下面的文章就是对Python生成随机数与random模
- python pyaudio音频录制安装所需要的包pip install pyaudio监听麦克风import pyaudioimport
- jquery的ajax请求方法:$.ajax({ &nbs
- 下面就来介绍一下这些在后台辛勤工作的进程们。系统检测器(System Monitor,SMON)、进程监视器(Process Monitor
- 每个浏览器都有自己的默认样式,这是一段预定义的CSS,用以简单地呈现网页。在Firefox中的地址栏中输入resource://gre/re
- 1.游戏画面1.1开始1.2射击怪物2.涉及知识点1.sprites2.pygame混音器3.图章 4.python
- 最近论坛里总有人问幻灯片怎么从数据库里取数据,花了几分钟简单的写了下。用到的人可以自己在细化<%dim rs,sqlset&
- 目录总体思路:判断链接是否指向文件:下载文件:获取 url 下的所有链接:最近维基 jie mi 彻底公开了网站的全部文件,我就在想如何使用
- 本文实例为大家分享了python tkinter实现弹窗输入输出的具体代码,供大家参考,具体内容如下代码如下:from tkinter im
- 一、通过eval实现 常用内置函数(不用import就可以直接使用) :help(obj) 在线帮助, obj可是任何类型call
- 0. 前言本文介绍Python Matplotlib库的入门求生级使用方法。为了方便以下举例说明,我们先导入需要的几个库。以下代码在Jupy
- 1.指向“开始->程序->Microsoft SQL Server 2005->配置工具->SQL Server 外
- 代码如下:<script type=text/javascript src=http://fw.qq.com/ipaddress>
- 1.背景项目需求,要求获得github的repo的api,以便可以提取repo的数据进行分析。研究了一天,终于解决了这个问题,虽然效率还是比
- pandas模块pandas是一个强大的分析结构化数据的工具集;它的使用基础是Numpy(提供高性能的矩阵运算);用于数据挖掘和数据分析,同
- 本文实例讲述了PHP基于phpqrcode生成带LOGO图像的二维码。分享给大家供大家参考。具体如下:这里PHP使用phpqrcode生成带
- 引言分享一些用Python处理yaml和嵌套数据结构的的一些技巧,首先从修改yaml格式文件的问题出发,演变出了各个解决办法,又从最后的解决
- Python 界有条不成文的准则: 计算密集型任务适合多进程,IO 密集型任务适合多线程。本篇来作个比较。通常来说多线程相对于多进程有优势,