numpy数组合并[np.c_, np.r_, no.column

这篇博客介绍了在Python的numpy库中，如何使用np.c_和np.r_进行二维数组的合并。np.c_主要用于在列方向合并数据，等同于在最后一个轴上进行合并；而np.r_则可以按指定轴合并，通过'param'参数选择合并方式。重点讨论了在数据处理中添加行或列的操作，包括向二维数组添加新的列（属性或特征值）和添加新的行（样本）。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

《惊蛰》
谁提了剑嫁衣勾破
披身贫贱夜色把杀机淹没

np.r_, np.c_

在实际数据处理中，操作的都是二维数据，因此此处讲的都是最简单的形式。

np.c_

等同于np.r_[’-1’, array, array],相当于在最后一个轴上进行数据合并, shape的最后一维.
对于二维来说最后一个轴就是列，第一个轴就是行

    a = np.array([[0, 1, 2], [3, 4, 5]])
    np.c_[a, a]
    
    # out: 
    '''
    array([[0, 1, 2, 0, 1, 2],
       [3, 4, 5, 3, 4, 5]])
       '''
       
    np.r_['-1', a,a]

   # out:
      '''
   rray([[0, 1, 2, 0, 1, 2],
       [3, 4, 5, 3, 4, 5]])
   '''
# 再看一个例子：
np.c_[np.array([[1,2,3]]), 0, 0, np.array([[4,5,6]])]

# 注意输出：
'''
array([[1, 2, 3, 0, 0, 4, 5, 6]])
'''

np.r_[‘param’, array[,array,…]]

param:

-1 按最后一个轴合并， <=>np.c_[array[,array,...]]
0 按第一个轴合并

    a = np.array([[1,2,3]])
    
    a
   ''' array([[1, 2, 3]])'''
    
    np.r_['-1', a, a]
    '''
    array([[1, 2, 3, 1, 2, 3]])
    '''
   np.r_['0', a, a]
   
   '''
   array([[1, 2, 3],
       [1, 2, 3]])
   '''

重点：

好吧，这个得好好理解，但是项目最常用的就是想一个二维数组中添加行，或者列
1、将一个一维数组合并为一个二维数组的列，向一个二维数组中添加一个新的列，比如添加一个新的属性，或特征值

    a = np.array([[1, 2, 3], [4, 5, 6]])
   # 2 * 3的二维数组
   a

out:

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

    # 添加新的列
	add_columns = [7, 8]
	# option 1:
	np.c_[a, add_columns]
	# option 2
	np.column_stack((a, add_columns))

out:

array([[1, 2, 3, 7],
[4, 5, 6, 8]])

向二维数组添加行，比如添加一个新的样本
这个比较烦，
如果添加的数组不是二维数组，得先转化为二维数组

 add_rows = [7, 8, 9]
 add_rows = np.array(add_rows).reshape(1, -1)
 
 add_rows
 # out:  
 '''array([[7, 8, 9]])'''
 
 np.concatenate((a, add_rows), axis=0)
#out:
'''array([[1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]])
'''  
 
 np.r_['0', a , add_rows]
 #out:
 '''array([[1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]])
 '''