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.有两种使用情况.

如果索引表达式包含逗号分隔的数组,则沿其第一个轴堆叠它们.
如果索引表达式包含切片表示法或标量,则创建一个由切片表示法指示范围的1-D数组.

如果使用切片表示法,语法 start:stop:step 等同于括号内的 np.arange(start, stop, step).然而,如果 step 是一个虚数（即 100j）,那么它的整数部分被解释为所需点的数量,并且起始和停止是包含的.换句话说,``start:stop:stepj`` 被解释为括号内的 np.linspace(start, stop, step, endpoint=1).在扩展切片表示法后,所有逗号分隔的序列都被连接在一起.

作为索引表达式第一个元素的可选字符串可以用来改变输出.字符串 ‘r’ 或 ‘c’ 会产生矩阵输出.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.

一个字符串整数指定沿哪个轴堆叠多个逗号分隔的数组.一个由两个逗号分隔的整数组成的字符串允许指示每个条目作为第二个整数（沿其连接的轴仍然是第一个整数）要强制进入的最小维度数.

一个包含三个逗号分隔整数的字符串允许指定沿哪个轴进行连接、强制条目具有的最小维度数以及哪个轴应包含维度数少于指定数量的数组的起始位置.换句话说,第三个整数允许你指定在形状升级的数组中1应该放置在形状元组的哪个位置.默认情况下,它们被放置在形状元组的前面.第三个参数允许你指定数组的起始位置.因此,第三个参数为’0’时,会将1放置在数组形状的末尾.负整数指定升级数组的最后一个维度应在新形状元组中的位置,因此默认值为’-1’.

参数:

不是函数,所以不接受参数

返回:

一个连接的 ndarray 或矩阵.

参见

concatenate: 沿现有轴连接一系列数组.
c_: 将切片对象转换为沿第二轴的连接.

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. ])

字符串整数指定要沿其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会创建一个矩阵.

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

numpy.r#

numpy.r #