Numpy的c_和r_以及transpose

本文详细介绍了NumPy中数组操作的几种关键方法:np.c_[] 和 np.r_[] 的使用,以及如何通过 np.transpose() 实现数组转置。这些方法帮助用户高效地管理和调整数组结构,对于进行科学计算和数据处理尤为重要。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

np.c_[]

当参数是两个一维列表,将其按如下方式组成二位列表。

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

当参数是两个二位列表时,其结果是一个二维列表,将两个列表连起来。

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

np.r_

当参数是两个一维列表,结果将两个列表连起来,还是个一维列表

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

当参数是两个二维列表,结果是个二维列表,将两个列表连起来。

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

np.transpose()

这个时候,类似于np.c_,不过np.c_ 的参数是两个一维的,结果是二维的。transpose的参数是一个二维的,结果仍然是一个二维的。

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

用于转置

>>>x = np.ones((1, 2, 3))
>>>x.shape
(1, 2, 3)
>>> np.transpose(x, (1, 0, 2)).shape
(2, 1, 3)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值