np.c_和np.r_的用法解析
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:
- .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]])
- 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])
————————————————
版权声明:本文为CSDN博主「青城下」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_41797117/article/details/80048688
np.c_和np.r_的用法解析相关推荐
- np.c_与np.r_
import sys reload(sys) sys.setdefaultencoding('utf-8') import numpy as npdef test():'''numpy函数np.c_和 ...
- np.c_和np.r_用法
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([ ...
- np.meshgrid, ravel(), np.c_, plt.contourf()函数的用法,以及决策边界的画法。
前言: 楼主最近在学机器学习时碰到的一些函数,用来画决策边界.记录现在的想法. 1: np.meshgrid的用法: X,Y = np.meshgrid(x,y)是将x中的每个点与y中的每个点连起来成 ...
- np.c_ 对比 np.r_
例子 import numpy as np a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = np.c_[a,b]print(np.r_[a,b] ...
- [Python] 矩阵拼接 np.c_[a,b]和np.r_[a,b]
功能: 将矩阵横向或纵向拼接 np.c_[a,b] 将a, b看成单位,放置于不同的列.(左右合并) np.r_[a,b] 将a, b看成单位,放置于不同的行.(上下合并) 示例: import nu ...
- 【NumPy】 快速构建 ndarray 对象(np.empty、np.full、np.titl、np.r_、np.linspace)
____tz_zs numpy 提供了多了函数来快速创建不同需求的数组.对于普通的 ndarray 的创建.切片.复制.改变维度和数据类型等操作,见我另一篇博客:https://blog.csdn.n ...
- np.iinfo和 np.finfo的用法
np.iinfo 返回值是int8.int16.int32.int64 数据类型的最大值和最小值 np.finfo 返回值是float16.float32.float64数据类型的最大值和最小值以及各 ...
- python np arrange_python中np.arrange用法
转载:https://www.cnblogs.com/ghllfl/p/8487692.html np.arange()经常用,其用法总结如下: np.arange(0,60,2) 生成从0到60的步 ...
- np.c_[xx.ravel(),yy.ravel()]
ravel() ravel()方法将数组维度拉成一维数组 print((np.c_[xx.ravel(),yy.ravel()]))
最新文章
- Metadata Lock原理2
- 【2017.11.29 周三 转载之李航博士的文章:大数据分析到底需要多少种工具?】...
- 星之卡比镜之迷宫机器人_机器人工程师入门(0)
- by mango怎么group_java – MongoDB中计算的group-by字段
- Mvc 4.0实现Response.Write()效果
- 【课程作业】表达学习 人脸图像复原 实验记录
- 计算机放样在钢结构应用,计算机放样应用于钢结构工程
- SaveIG什么意思--Instagram图片下载最佳途径,
- 查看文件和文件夹大小
- windows杀进程
- 人工智能对智能建筑有哪些影响,智能建筑发展存在哪些问题?
- axure命令行_axure怎么计算器
- 【无标题】【光纤光缆小知识】多模光纤的分类及应用
- 入坑NLP - 自然语言处理领域概述
- 《MySQL DBA修炼之道》——1.3 查询执行过程概述
- Xmind教程:思维导图原来这么简单实用!
- 我的测试工程师之路--测试人员不看后悔
- Python升级pip失败解决办法
- 乱象丛生or一路光明,看SSD市场发展现状
- 软件测试基础篇1--探索式软件测试中用到的一些方法
热门文章
- 对硬盘做镜像,按位与按文件有什么区别?
- 图片服务 - thumbor过滤器
- ORA-19809: limit exceeded for recovery files问题解决
- CentOS上快速安装Oracle服务器脚本
- 企业如何实际使用 Docker
- leaflet-webpack 入门开发系列三地图分屏对比(附源码下载)
- 【Day02】测试 Primise、setTimeout等的执行顺序
- Mac Nginx 配置 Tomcat 配置 jdk环境变量 Nginx部署服务遇到的坑(1)
- C#LeetCode刷题-分治算法
- 什么是客户旅程_为什么记录您的旅程将导致开发人员成功