np.r_的用法
np.r_ 是 NumPy 中的一个便捷工具，用于快速拼接数组或生成序列。它是一个基于索引的语法糖，能够简化数组操作，特别是在需要将多个数组按行（或列）拼接时非常有用。
1. np.r_ 的基本功能
np.r_ 的主要作用是：
- 按行拼接多个数组。
- 生成等差序列（类似于
np.arange或np.linspace）。 - 支持切片语法，方便生成一维数组。
语法
np.r_[array1, array2, ...]
np.r_ 的输入可以是：
- 多个数组，它们会被按行拼接。
- 切片表达式（如
start:stop:step），用于生成等差序列。 - 标量值，直接插入到结果中。
2. 示例：数组拼接
（1）拼接一维数组
np.r_ 可以将多个一维数组按行拼接成一个更大的一维数组。
import numpy as npa = np.array([1, 2, 3])
b = np.array([4, 5, 6])result = np.r_[a, b]
print(result)
输出：
[1 2 3 4 5 6]
（2）拼接二维数组
对于二维数组，np.r_ 默认按行（垂直方向）拼接。
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])result = np.r_[a, b]
print(result)
输出：
[[1 2][3 4][5 6]]
3. 示例：生成等差序列
np.r_ 支持切片语法，可以直接生成等差序列。
（1）简单的切片
result = np.r_[0:10:1] # 等价于 np.arange(0, 10, 1)
print(result)
输出：
[0 1 2 3 4 5 6 7 8 9]
（2）浮点步长
与 np.arange 不同，np.r_ 的切片语法支持浮点步长。
result = np.r_[0:1:0.2] # 等价于 np.arange(0, 1, 0.2)
print(result)
输出：
[0. 0.2 0.4 0.6 0.8]
（3）反转序列
通过负步长生成反向序列。
result = np.r_[10:0:-2]
print(result)
输出：
[10 8 6 4 2]
4. 示例：混合使用
np.r_ 支持混合使用数组、标量和切片。
result = np.r_[1, 2, 3, [4, 5], 6:10, -1]
print(result)
输出：
[ 1 2 3 4 5 6 7 8 9 -1]
5. 对比 np.c_
np.r_ 和 np.c_ 是 NumPy 中两个类似的工具，但它们的行为有所不同：
np.r_：按行（垂直方向）拼接数组。np.c_：按列（水平方向）拼接数组。
示例对比
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])# 使用 np.r_
result_r = np.r_[a, b]
print("np.r_:", result_r)# 使用 np.c_
result_c = np.c_[a, b]
print("np.c_:\n", result_c)
输出：
np.r_: [1 2 3 4 5 6]
np.c_:[[1 4][2 5][3 6]]
6. 总结
np.r_ 是一个强大的工具，适用于以下场景：
- 快速拼接数组。
- 生成等差序列。
- 混合使用数组、标量和切片。
它的简洁性和灵活性使其成为处理数组时的一个得力助手。如果您有具体的用例或问题，欢迎进一步讨论！