c 下划线表达式 `c_` 究竟做了什么？

Question

这似乎是某种水平连接，但我在网上找不到任何文档。这是一个最小的工作示例：

In [1]: from numpy import c_
In [2]: a = ones(4)
In [3]: b = zeros((4,10))    
In [4]: c_[a,b]
Out[4]: 
array([[ 1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]])

Answer 1

使用 IPython 的 ? 语法获取更多信息：

In [2]: c_?
Type:       CClass
Base Class: <class 'numpy.lib.index_tricks.CClass'>
String Form:<numpy.lib.index_tricks.CClass object at 0x9a848cc>
Namespace:  Interactive
Length:     0
File:       /usr/lib/python2.7/dist-packages/numpy/lib/index_tricks.py
Docstring:
Translates slice objects to concatenation along the second axis.

This is short-hand for ``np.r_['-1,2,0', index expression]``, which is
useful because of its common occurrence. In particular, arrays will be
stacked along their last axis after being upgraded to at least 2-D with
1's post-pended to the shape (column vectors made out of 1-D arrays).

For detailed documentation, see `r_`.

Examples
--------
>>> np.c_[np.array([[1,2,3]]), 0, 0, np.array([[4,5,6]])]
array([[1, 2, 3, 0, 0, 4, 5, 6]])

Answer 2

我花了很长时间才明白，但似乎我终于明白了。

您所要做的就是沿第二个轴添加。

让我们开始吧：

np.c_[np.array([1,2,3]), np.array([4,5,6])]

但是没有第二个轴。所以我们在心里加一个。

所以两个数组的形状都变成了(3,1)。

因此结果形状将是 (3,1+1)，即 (3,2)。 这是结果的形状 -

array([[1, 4],
       [2, 5],
       [3, 6]])

另一个例子：

np.c_[np.array([[1,2,3]]), 0, 0, np.array([[4,5,6]])]

形状：

np.array([[1,2,3]]) = 1,3

np.array([[4,5,6]]) = 1,3

0 所以我们可以把它想象成[[0]] = 1,1

所以结果1,3+1+1+3 = 1,8

这是结果的形状：array([[1, 2, 3, 0, 0, 4, 5, 6]])

Answer 3

我将解释如下。它将您的第一个数组连接到函数中最后一个数组的最后一个维度（轴）。

例如：

# both are 2 dimensional array
a = array([[1, 2, 3], [4, 5, 6]])
b = array([[7, 8, 9], [10, 11, 12]])

现在，我们来看看np.c_(a, b)：

首先，我们来看看形状：

a 和 b 的形状都是(2, 3)。将a(2, 3)拼接到b(3)的最后一个轴上，同时保持其他轴不变(1)会变成

(2, 3 + 3) = (2, 6)

这是新的形状。

现在，让我们看看结果：

在b中，最后一个轴的2项是：

1st: [7, 8, 9]
2nd: [10, 11, 12]

加一个表示：

1st item: [1,2,3] + [7,8,9] = [1,2,3,7,8,9]
2nd item: [4,5,6] + [10,11,12] = [4,5,6,10,11,12]

所以，结果是

[
  [1,2,3,7,8,9],
  [4,5,6,10,11,12]
]

它的形状是(2, 6)

Answer 4

它将几个 1D 数组转换为 2D 数组，原始数组的一维保留为 2D 数组的第 1 维。多个输入数组用作第二维。

这样想：如果您将 30 条记录的数据系列收集到单独的一维数组中，np.c_ 会像在 excel 表中一样组合这些系列：并排在单独的 30 列中，而不是而不是扩展第一个系列。

例如，2个起始数组：

>>> arrayX = np.array([X1,X2...,X30])
array([X1, X2..., X30])
>>> arrayY = np.array([Y1,Y2...,Y30])
array([Y1, Y2..., Y30])

让我们看看np.c_如何组合它们：

>>>arrayC = np.c_(arrayX, arrayY)
array([[X1, Y1],
       [X2, Y2],
       ...
       [X30, Y30]])

看看它仍然有 30 条记录吗？您现在可以使用第二维度在数据系列之间导航。

documentation 有点含糊地说：“将切片对象转换为沿第二个轴的连接。” 第二轴是什么？ 生成的二维数组，他们的意思。不清楚您是否不知道这是np.r_ 的变体，它沿第一个轴连接；如果您不认为一维数组 具有 另一个维度。但从句法上讲，确实如此。

查询数组的形状来说明这一点：

>>> np.shape(arrayX)
(30,)
>>> np.shape(arrayY)
(30,)
>>> np.shape(arrayC)
(30,2)

您可以看到第二个维度或轴是由np.c_ 方法创建的，并且连接发生在那里。相比之下：

>>> arrayR = np.r_[array1,array2]
array([X1, X2..., X30, Y1, Y2..., Y30])
>>> np.shape(arrayR)
(60,)

np.r_ 方法在第一个维度内或沿第一个轴连接。

Answer 5

使用 numpy 连接数组的一种简短技术是 np.c_ 和 np.r_

np.c_[] 沿第二个轴连接数组 但是，np.r_[] 沿第一个轴连接数组

假设：

import numpy as np
a = np.array([[1,2,3],
             [11,22,33]]
             )
b = np.array([[4,5,6],
             [44,55,66]]
             )

a 的形状：(2,3) 即（行数，列数）也 =（第 1 轴，第 2 轴）

b 的形状：(2,3) 即（第 1 轴，第 2 轴）

np.r_ 沿第一个轴连接 所以 np.r_[a,b] 给出：

array([[ 1,  2,  3],
       [11, 22, 33],
       [ 4,  5,  6],
       [44, 55, 66]])

即沿行（第一轴）连接，所以这里的行数会增加。

虽然 np.c_[a,b] 沿第二轴连接，即此处的列如下：

array([[ 1,  2,  3,  4,  5,  6],
       [11, 22, 33, 44, 55, 66]])

Answer 6

其实它不是一个函数，它是CClass类的一个对象。

it is "not a function, so takes no parameters

以上是官方文档所说的。您可以查看此问题以了解详细信息。

numpy.r_ is not a function. What is it?

Answer 7

例如：

我有 2 个数组的值：
a = [x1,x2,x3]
b = [y1,y2,y3]

我们想将它们合并在一起，我们有类似的东西：[[x1, y1],[x2, y2],[x3, y3]]。

因此我们使用numpy.c_[a, b]

import numpy

a = [1,2,3]
b = [4,5,6]  
value = numpy.c_[a,b]

print(value)
# [
#  [1, 4],
#  [2, 5],
#  [3, 6]
# ]

Answer 8

np.c_[[1,4,5,4,5,3],[1,4,2,4,5,3],[2,4,6,8,9,0]]。 .这将数组水平连接或按轴0表示。所以数组将是

array([[1, 1, 2],
       [4, 4, 4],
       [5, 2, 6],
       [4, 4, 8],
       [5, 5, 9],
       [3, 3, 0]])

确定行， 元素总数/数组总数

（即 18/3） [{len([1,4,5,4,5,3])}+{len([1,4,5,4,5,3])}+{len([2,4,6,8 ,9,0])}]//len([[1,4,5,4,5,3],[1,4,2,4,5,3],[2,4,6,8, 9,0]])

所以上面的人给了 6..SO 6 行将在那里。

对于列数， Total Elements/len(数组内任意一个数组)

例如 18/len([1,4,5,4,5,3])

所以列将是 18/6，即 3。