numpy矩阵合并中np.r_与np.c_区别

numpy矩阵合并中np.r_与np.c_区别

numpy中的np.r_与np.c_都可以实现对矩阵的合并，不同在于一个沿着行方向，一个沿着列方向进行合并。

import pandas as pd
data1 = np.array([[1, 2, 3],[4,5,6]])
data2 = np.array([[7,8,9]])
data3 = np.array([10,11])
print("data1: \n", data1)
print("data2: \n", data2)
print("data3: \n", data3)
data4 = np.r_[data1,data2]
print("data4: \n", data4)
data5 = np.c_[data1,data3]
print("data5: \n", data5)

输出如下：

需要注意的是，np.r_沿着行方向进行合并，因此需要列数相同；np.c_沿着列方向合并，因此需要行数相同。上述若执行np.r_[data1,data3]则必会报错