NumPy中np.c_ 和 np.r_ 的區(qū)別小結

更新時間：2024年02月27日 10:02:33 作者：高斯小哥

np.c_和?np.r_是NumPy庫中兩個非常有用的函數,它們分別用于按列和按行拼接數組本文主要介紹了NumPy中np.c_ 和 np.r_ 的區(qū)別小結,具有一定的參考價值,感興趣的可以了解一下

在Python的數據科學庫中，NumPy無疑是最受歡迎和最常用的庫之一。NumPy為大型多維數組和矩陣提供了強大的支持，并包含了一系列用于操作這些數組的函數。在這篇文章中，我們將深入探討NumPy中的兩個函數：np.c_ 和 np.r_。這兩個函數都用于將多個數組按列（column）或行（row）拼接在一起，但它們之間有一些微妙的差異。

一、?? np.c_：按列拼接

np.c_ 函數用于將多個一維或二維數組按列拼接在一起。這意味著它將數組水平地堆疊在一起。

代碼示例：

import numpy as np

# 創(chuàng)建兩個一維數組
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

# 使用 np.c_ 按列拼接
c = np.c_[a, b]

print(c)

print("*"*50)

# 創(chuàng)建兩個二維數組
x = np.array([[1, 2], [3, 4]])
y = np.array([[5, 6], [7, 8]])

# 使用 np.c_ 按列拼接
z = np.c_[x, y]

print(z)

輸出：

[[1 4]
[2 5]
[3 6]]
**************************************************
[[1 2 5 6]
[3 4 7 8]]

如你所見，np.c_ 函數將數組水平地堆疊在一起，意味者如果兩個數組的行數不相同，將會報錯：

import numpy as np

# 創(chuàng)建兩個二維數組
x = np.array([[1, 2, 3], [3, 4, 5], [6, 7, 8]])
print(x.shape) # (3, 3) 三行三列
y = np.array([[5, 6], [7, 8]])
print(y.shape) # (2, 2) 兩行兩列

# 使用 np.c_ 按列拼接
z = np.c_[x, y]

print(z)

運行報錯：

ValueError: all the input array dimensions except for the concatenation axis must match exactly, but along dimension 0, the array at index 0 has size 3 and the array at index 1 has size 2

二、?? np.r_：按行拼接

相比之下，np.r_ 函數用于將多個一維或二維數組按行拼接在一起。這意味著它將數組垂直地堆疊在一起。

代碼示例：

import numpy as np

# 創(chuàng)建兩個一維數組
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

# 使用 np.r_ 按行拼接
c = np.r_[a, b]

print(c)

print("*"*50)

# 創(chuàng)建兩個二維數組
x = np.array([[1, 2], [3, 4]])
y = np.array([[5, 6]])

# 使用 np.r_ 按行拼接
z = np.r_[x, y]

print(z)

輸出：