ある種の水平連結のようですが、オンラインでドキュメントを見つけることができませんでした。ここに最小限の作業例があります：
In [1]: from numpy import c_
In [2]: a = ones(4)
In [3]: b = zeros((4,10))
In [4]: c_[a,b]
Out[4]:
array([[ 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[ 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[ 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[ 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]])
IPythonの?構文を使用して、詳細情報を取得します。
In [2]: c_?
Type: CClass
Base Class: <class 'numpy.lib.index_tricks.CClass'>
String Form:<numpy.lib.index_tricks.CClass object at 0x9a848cc>
Namespace: Interactive
Length: 0
File: /usr/lib/python2.7/dist-packages/numpy/lib/index_tricks.py
Docstring:
Translates slice objects to concatenation along the second axis.
This is short-hand for ``np.r_['-1,2,0', index expression]``, which is
useful because of its common occurrence. In particular, arrays will be
stacked along their last axis after being upgraded to at least 2-D with
1's post-pended to the shape (column vectors made out of 1-D arrays).
For detailed documentation, see `r_`.
Examples
--------
>>> np.c_[np.array([[1,2,3]]), 0, 0, np.array([[4,5,6]])]
array([[1, 2, 3, 0, 0, 4, 5, 6]])
理解するのにかなり時間がかかりましたが、ようやく理解できたようです。
必要なのは、2 番目の軸に沿って追加することだけです。
取りましょう：
np.c_[np.array([1,2,3]), np.array([4,5,6])]
しかし、2番目の軸はありません。したがって、精神的に1つ追加します。
なので両方の配列の形状は になり(3,1)ます。
したがって、結果の形状は (3,1+1)、つまり (3,2) になります。これは結果の形状です -
array([[1, 4],
[2, 5],
[3, 6]])
別の例：
np.c_[np.array([[1,2,3]]), 0, 0, np.array([[4,5,6]])]
形状:
np.array([[1,2,3]])=1,3
np.array([[4,5,6]])=1,3
0だから私たちはそれを次のように考えることができます[[0]]=1,1
したがって、結果1,3+1+1+3=1,8
これは結果の形です:array([[1, 2, 3, 0, 0, 4, 5, 6]])
複数の 1D 配列を 2D 配列に変換し、元の配列の 1 次元を 2D 配列の 1 次元として保持します。複数の入力配列が 2 次元として使用されます。
次のように考えてみてください。それぞれ 30 レコードのデータ シリーズが別々の 1D 配列に収集されているnp.c_場合、これらのシリーズを Excel テーブルの場合と同様に結合します。つまり、最初のシリーズを拡張するのではなく、30 の別々の列に並べて並べます。
たとえば、2 つの開始配列:
>>> arrayX = np.array([X1,X2...,X30])
array([X1, X2..., X30])
>>> arrayY = np.array([Y1,Y2...,Y30])
array([Y1, Y2..., Y30])
np.c_それらを組み合わせる方法を見てみましょう。
>>>arrayC = np.c_(arrayX, arrayY)
array([[X1, Y1],
[X2, Y2],
...
[X30, Y30]])
まだ 30 レコードの長さであることがわかりますか? 2 次元を使用して、データ系列間を移動できるようになりました。
ドキュメントには、「スライス オブジェクトを 2 番目の軸に沿った連結に変換する」とやや不可解に記載されています。何の第二軸？結果の2D配列、彼らは意味します。np.r_これが、最初の軸に沿って連結する のバリエーションであることを知らない場合は不明です。また、1D配列が別の次元を持つと考えていない場合。しかし、構文的には、ちょっとそうです。
これを説明するために、配列の形状をクエリします。
>>> np.shape(arrayX)
(30,)
>>> np.shape(arrayY)
(30,)
>>> np.shape(arrayC)
(30,2)
メソッドによって 2 番目の次元または軸が作成され、np.c_そこで連結が行われていることがわかります。対照的に：
>>> arrayR = np.r_[array1,array2]
array([X1, X2..., X30, Y1, Y2..., Y30])
>>> np.shape(arrayR)
(60,)
このnp.r_メソッドは、最初の次元内または最初の軸に沿って連結します。
Actually it is not a function, it is an object of class CClass.
it is "not a function, so takes no parameters
Above is what the official document said. you can check this question for details.