您正在寻找np.r_
和np.c_
。 (认为 “列堆” 和 “行堆叠”(其也是功能),但用MATLAB式范围代。)
另见np.concatenate
,np.vstack
,np.hstack
,np.dstack
,np.row_stack
,np.column_stack
等
对于例如:
import numpy as np
m = np.zeros((10, 4))
v = np.ones((10, 1))
c = np.c_[m, v]
收率:
array([[ 0., 0., 0., 0., 1.],
[ 0., 0., 0., 0., 1.],
[ 0., 0., 0., 0., 1.],
[ 0., 0., 0., 0., 1.],
[ 0., 0., 0., 0., 1.],
[ 0., 0., 0., 0., 1.],
[ 0., 0., 0., 0., 1.],
[ 0., 0., 0., 0., 1.],
[ 0., 0., 0., 0., 1.],
[ 0., 0., 0., 0., 1.]])
这也相当于np.hstack([m, v])
或np.column_stack([m, v])
如果你不从MATLAB来,hstack
和column_stack
可能似乎更具有可读性和描述。 (由于这个原因,在这种情况下它们可能更好。)
但是,np.c_
和np.r_
具有来自matlab的人倾向于期望的附加功能。例如:
In [7]: np.r_[1:5, 2]
Out[7]: array([1, 2, 3, 4, 2])
或者:
In [8]: np.c_[m, 0:10]
Out[8]:
array([[ 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 1.],
[ 0., 0., 0., 0., 2.],
[ 0., 0., 0., 0., 3.],
[ 0., 0., 0., 0., 4.],
[ 0., 0., 0., 0., 5.],
[ 0., 0., 0., 0., 6.],
[ 0., 0., 0., 0., 7.],
[ 0., 0., 0., 0., 8.],
[ 0., 0., 0., 0., 9.]])
无论如何,对于MATLAB的人,这是很方便的知道除了vstack
,hstack
约np.r_
和np.c_
等
你说的是C++或Pyth上? Python没有矢量/数组,它有列表或字典。 – IanAuld
@IanAuld - 他指的是numpy数组。 –
对不起,我在问题文本中添加了numpy。 – Hadi