np.c_和np.r_用法以及小技巧

np.c_[]通常用来按照行的方式连接两个矩阵，即左右连接，行数不变，列数增加，但是有些地方需要稍微注意一下，废话少说，上代码：

'''
np.c_[] 方法，是按照行连接两个矩阵，即左右连接，行数不变，但是也有需要注意的地方
并且可以利用一些小技巧
'''

# 两个两行三列矩阵连接，变成两行六列
a = np.array([[1, 2, 3],
              [7, 8, 9]])
b = np.array([[4, 5, 6],
              [10, 11, 12]])
c = np.c_[a, b]
print(c)

print("\n************************************************\n")

# 两个一行三列矩阵连接，变成一行6列
a = np.array([[1, 2, 3]])
b = np.array([[4, 5, 6]])
c = np.c_[a, b]
print(c)

print("\n************************************************\n")

# 注意！！！当如下所示的时候，相当于两个三行一列矩阵相连接（有点怪异，但是还是要理解注意）
# 可以用np.c_[d]检测，当只有一个矩阵的时候输出的一定就是原来的样子
d = np.array([7, 8, 9]) 
print(d)
print(np.c_[d])
e = np.array([10, 11, 12])
print(e)
print(np.c_[e])
f = np.c_[d,e]
print(f)

print("\n************************************************\n")

# 小技巧：
# 利用上述运行结果，当你想把一个列表（或者其他类型如Series）中所有的元素
# 变成多行(多用于进行模型的数据训练时分开每项数据)的时候可以直接这样做
x = np.array([1,2,3,4,5,6,7,8,9])
print(np.c_[x])

至于np.r_[]则是和np.c_[]正好相反，即
np.r_[]通常用来按照列的方式连接两个矩阵，即上下连接，列数不变，行数增加，需要注意的地方同样和np.c_[]相同。
可以自己尝试一下，代码不足还请帮忙指正：[email protected]