Numpy中的函数r_和c_
问题：
如何使用numpy中的函数实现数组在水平方向和垂直方向的上的叠加？
a = np.arange(10).reshape(2,-1) # -1代表当行数确定时自动匹配列维度
b = np.repeat(1, 10).reshape(2,-1) # 这两行的reshape参数相当于（2，5）
答案：
实现水平或垂直方向上的叠加有很多种方法，我们这里采用一种最基本的函数r_和c_。Numpy中的r_函数是在水平方向上进行叠加，r这里代表行(row)，也就是说数组是一行一行的进行叠加排列，代码如下：
import numpy as py
a = np.arange(10).reshape(2,-1)
b = np.repeat(1, 10).reshape(2,-1)
print(np.r_[a, b])
输出的结果如下：
[[0 1 2 3 4]
[5 6 7 8 9]
[1 1 1 1 1]
[1 1 1 1 1]]
同样的，我们也可以用c_函数实现垂直方向的叠加，代码和结果如下：
import numpy as py
a = np.arange(10).reshape(2,-1)
b = np.repeat(1, 10).reshape(2,-1)
print(np.c_[a, b])
[[0 1 2 3 4 1 1 1 1 1]
[5 6 7 8 9 1 1 1 1 1]]
其他疑问：
有的同学可能会遇到这样的情况，比方说只创建两个一维数组，用r_和c_函数好像和自己想的不太一样···，怎么回事呢？
空口无凭，我们用代码试验一下：
import numpy as py
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
# print(a)
# print(b)
print(np.r_[a, b])
print(np.c_[a, b])
看一下输出结果：
[1 2 3 4 5 6]
[[1 4]
[2 5]
[3 6]]
r函数不是按行叠加吗？c函数不是按列叠加吗？这是啥情况？？？是不是r和c函数错了？？？
其实，在python中我们所看到的列向量实际上是以行的形式存在的，a和b都是3*1的列向量
所以r函数进行叠加实际上就是对行进行叠加成6*1的列向量，然后在python上显示成行向量，同理，c函数是按列叠加形成一个二维数组。
Numpy中的其他函数叠加数组
concatenate()和vstack()/hstack()
在numpy中不止有上述介绍的r函数和c函数可以叠加数组，还有concatenate()和vstack()/hstack()，具体操作如下：
按行叠加
import numpy as py
a = np.arange(10).reshape(2,-1)
b = np.repeat(1, 10).reshape(2,-1)
print(np.concatenate([a, b], axis = 0)) # axis为0按行叠加
print(np.vstack([a, b]))
输出结果：
[[0 1 2 3 4]
[5 6 7 8 9]
[1 1 1 1 1]
[1 1 1 1 1]]
[[0 1 2 3 4]
[5 6 7 8 9]
[1 1 1 1 1]
[1 1 1 1 1]]
按列叠加：
import numpy as py
a = np.arange(10).reshape(2,-1)
b = np.repeat(1, 10).reshape(2,-1)
print(np.concatenate([a, b], axis = 1)) # axis为1按列叠加
print(np.hstack([a, b]))
输出结果
[[0 1 2 3 4 1 1 1 1 1]
[5 6 7 8 9 1 1 1 1 1]]
[[0 1 2 3 4 1 1 1 1 1]
[5 6 7 8 9 1 1 1 1 1]]