机器都在不停学习
人怎么能停止脚步

numpy中的np.c_和np.r_

今天用使用sklearn中的鸢尾花数据集来跑线性回归模型的时候,使用到了numpy中np.c_和np.r_。

这里对numpy中np.c_和np.r_这两个方法进行说明。

这两个方法的目的是将矩阵进行拼接:

 

# 导入numpy包
import numpy as np
# 定义2个矩阵
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
np.r_[a,b]
np.c_[a,b]
np.c_[c,a]

通过以上结果,可以得出规律:

  • np.r_是按列连接两个矩阵,就是把两矩阵上下相加,要求列数相等,类似于pandas中的concat()
  • np.c_是按行连接两个矩阵,就是把两矩阵左右相加,要求行数相等,类似于pandas中的merge()

再机器学习中,对矩阵的操作非常普遍,熟练掌握这些转换方法非常有必要。

赞(0)
转载请注明出处机器在学习 » numpy中的np.c_和np.r_
分享到: 更多 (0)

评论 抢沙发

Scroll Up