np的行为。具有列表和元组参数的c_o

有两个常见用例 np.c_ :

• 可以接受1D数组序列,如:

  In [98]: np.c_[[1,2],[3,4]]
  Out[98]: 
  array([[1, 3],
         [2, 4]])
  

• np.c_ 可以接受二维阵列序列,如:

  In [96]: np.c_[[[1,2],[3,4]], [[5,6],[7,8]]]
  Out[96]: 
  array([[1, 2, 5, 6],
         [3, 4, 7, 8]])
  

np.c_ 可以传递1D数组类或2D数组类。 np.c_

np.c_ 如果传递了一个元组,则参数将被视为一个单独的类数组序列。如果传递给它一个非元组(如列表),则该对象将被视为一个类似于的单个数组。

因此 np.c_[[1,2], [3,4]] (相当于 np.c_[([1,2], [3,4])] ([1,2], [3,4]) 作为两个独立的1D阵列。

In [99]: np.c_[[1,2], [3,4]]
Out[99]: 
array([[1, 3],
       [2, 4]])

相反 np.c_[[[1,2], [3,4]]] [[1,2], [3,4]] 作为单个2D阵列。

In [100]: np.c_[[[1,2], [3,4]]]
Out[100]: 
array([[1, 2],
       [3, 4]])

因此,对于您发布的示例:

np.c_[[1,2]] 对待 [1,2]

In [101]: np.c_[[1,2]]
Out[101]: 
array([[1],
       [2]])

np.c_[(1,2)] 对待 (1,2)

In [102]: np.c_[(1,2)]
Out[102]: array([[1, 2]])

np.c_[(1,2),] (1,2), (相当于 ((1,2),) )作为一个类数组的序列,因此类数组被视为一列:

In [103]: np.c_[(1,2),]
Out[103]: 
array([[1],
       [2]])

注:也许比大多数软件包,NumPy有一个历史的 treating lists and tuples differently np.array .

__getitem__

In [442]: class Foo():
     ...:     def __getitem__(self,args):
     ...:         print(args)
     ...:        
In [443]: Foo()['str']
str
In [444]: Foo()[[1,2]]
[1, 2]
In [445]: Foo()[[1,2],]
([1, 2],)
In [446]: Foo()[(1,2)]
(1, 2)
In [447]: Foo()[(1,2),]
((1, 2),)

np.c_ 是的一个实例 np.lib.index_tricks.AxisConcatenator __获取项目__

    # handle matrix builder syntax
    if isinstance(key, str):
        ....
        mymat = matrixlib.bmat(...)
        return mymat

    if not isinstance(key, tuple):
        key = (key,)

     ....
    for k, item in enumerate(key):
        ....

np.bmat

任何包含以下内容的变体 [1,2] 与相同 ([1,2],) (1,2) ([1,2],[3,4]) .

numpy 索引还区分列表和元组(尽管有一些不一致)。

In [455]: x=np.arange(24).reshape(2,3,4)
In [456]: x[0,1]               # tuple - index for each dim
Out[456]: array([4, 5, 6, 7])
In [457]: x[(0,1)]             # same tuple
Out[457]: array([4, 5, 6, 7])
In [458]: x[[0,1]]             # list - index for one dim
Out[458]: 
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])
In [459]: x[([0,1],)]          # same
     ....