numpyのnp.c_np.r_説明する

numpyのnp.c_np.r_説明する
np.c_np.r_2つのマトリクスを接続するために使用

np.r_:行ごとに2つのマトリクスを重ねたものであり、列ごとに2つのマトリクスを接続したものとも言える.2つのマトリクスを上下に加算し、pandasのconcat()に類似する列数を要求する.

np.c_:列ごとに2つの行列を重ねるという意味で、行ごとに2つの行列を接続するということも言えますが、2つの行列を左右に加算して、pandasのmerge()に似た行数を要求します.

例:

import numpy as np
a = np.array([1, 2, 3]).reshape(1,3)
b = np.array([4, 5, 6]).reshape(1,3)
 
print(a.shape,b.shape)
>(1, 3) (1, 3)

print("a=",a,"b=",b)
>a= [[1 2 3]] b= [[4 5 6]]
 
c = np.c_[a,b]
print("np.c_[a,b]:
",c)
>np.c_[a,b]:
 [[1 2 3 4 5 6]] 
 
print(c.shape)
>(1, 6)

d=np.r_[a,b]
print("np.r_[a,b]:
",d)
>np.r_[a,b]:
 [[1 2 3]
 [4 5 6]]
 
print(d.shape)
>(2, 3)

reshape(1,3)を使用しない場合、デフォルトは列ベクトルです.行ベクトルとして表示されますが、次のようになります.

import numpy as np
 
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a.shape,b.shape)
>(3,) (3,)
 
print("a=",a,"b=",b)
>a= [1 2 3] b= [4 5 6]

c = np.c_[a,b]
print("np.c_[a,b]:
",c)
>np.c_[a,b]:
 [[1 4]
 [2 5]
 [3 6]]
 
print(c.shape)
>(3, 2)

d=np.r_[a,b]
print("np.r_[a,b]:
",d)
>np.r_[a,b]:
 [1 2 3 4 5 6]
 
print(d.shape)
>(6,)