Numpy 负整数作为np.r\ux的第三个参数？（努比）

负整数指定在新形状元组中升级数组的最后一个维度应放置在何处，因此默认值为“-1”

这句话是什么意思

np.r_['0,2,-5', [1,2,3],[4,5,6] ] # ValueError: all the input array dimensions except for the concatenation axis must match exactly
np.r_['0,2,-6', [1,2,3],[4,5,6] ] # array([[1],[2],[3],[4],[5],[6]])

---

-5和-6都超过了“0,2，-5”中的第二个参数“2”，为什么-5不能运行，但-6可以运行？

第三个值的描述有点混乱，但对于这些列表和其他数字，有两种可能性（加上错误情况）：

[1,2,3]

因为数组具有形状（3，）。“2”表示将其扩展到2d（1,3）或（3,1）。第三个数字控制哪一个。它如何工作的细节有点复杂

您可以在

np.lib.index\u tricks.AxisConcatenator

中查看代码

在我的测试中，“0,2,1”与默认值类似，“0,2，-3”也一样。其他正值会产生错误，其他负值的行为类似于0-在我的测试中，5'与'-6'相同

In [46]: np.r_['0,2,-5', [1,2,3],[4,5,6] ].shape                                                             
Out[46]: (6, 1)
In [47]: np.r_['0,2,-6', [1,2,3],[4,5,6] ].shape                                                             
Out[47]: (6, 1)

对于三维扩展，有3种可能性：

In [48]: np.r_['0,3,-1', [1,2,3],[4,5,6] ].shape   # (1,1,3)                                                            
Out[48]: (2, 1, 3)
In [49]: np.r_['0,3,0', [1,2,3],[4,5,6] ].shape    # (3,1,1)                                                          
Out[49]: (6, 1, 1)
In [50]: np.r_['0,3,1', [1,2,3],[4,5,6] ].shape    # (1,3,1)                                                          
Out[50]: (2, 3, 1)

对于扩展到3d的（2,3）形状阵列，备选方案为（2,3,1）或（1,2,3）。它不能在中间插入一个新的维度。

In [60]: np.r_['0,3,0', np.ones((2,3))].shape                                                                
Out[60]: (2, 3, 1)
In [61]: np.r_['0,3,-1', np.ones((2,3))].shape                                                               
Out[61]: (1, 2, 3)

===

使用

ndmin

第二个整数，即所需的维数，每个数组将展开为：

newobj = array(item, copy=False, subok=True, ndmin=ndmin)

然后通过转置应用第三个整数。转置参数是用一段模糊的代码计算的：

                k2 = ndmin - item_ndim
                k1 = trans1d
                if k1 < 0:
                    k1 += k2 + 1
                defaxes = list(range(ndmin))
                axes = defaxes[:k1] + defaxes[k2:] + defaxes[k1:k2]
                newobj = newobj.transpose(axes)

k2=ndmin-项目
k1=trans1d
如果k1<0：
k1+=k2+1
defaxes=列表（范围（ndmin））
轴=defaxes[：k1]+defaxes[k2:]+defaxes[k1:k2]
newobj=newobj.转置（轴）

有几个版本回来了，

trans1d+=k2+1

，因此它从一个数组更改为下一个数组-

-5

到

-3

到

-1

。它最终尝试将（3,1）与（1,3）连接起来，导致ValueError

我通过查看文件的“责备”模式找到了此错误修复：

错误：修复np、r中项目之间的变异状态_

---

因此，在有限的范围内，它的行为类似于模量，尽管在计算中没有实际使用。我知道扩展过程<代码>在我的测试中，“0,2,1”类似于默认值，“0,2，-3”也是默认值。在中，默认值是正确的。换句话说，第三个整数允许您指定1在已升级其形状的阵列形状中的位置。默认情况下，它们放置在形状元组的前面。我不能理解

0,2，-3

。形状元组的长度是'2'，为什么可以使用'-3'，abs（-3）>2。甚至我们也可以在[6]中使用

np.r_['0,2，-1000001'，[1,2,3]，[4,5,6].shape

：np.r_['0,2，-5'，[1,2,3]，[4,5,6].shape-------------------------------------------------------ValueError Traceback（最近一次调用）In（）--->1np.r_['0,2，-5'，[1,2,3]，[4,5,6]].shape~\Anaconda3\lib\site packages\numpy\lib\index\u tricks.py in\uuuuu getitem\uuuj（self，key）338 objs[k]=objs[k].astype（final\u dtype）339-->340 res=self.concatenate（元组（objs），axis=axis）341 342 if matrix:ValueError:所有输入数组

您的

numpy

版本是否已足够（1.15）受此错误影响：。甚至开发人员Eric W也承认

trans1d

的处理有点模糊。我的建议是——使用能给出期望结果的最小值，不要担心其他可能的值。

                k2 = ndmin - item_ndim
                k1 = trans1d
                if k1 < 0:
                    k1 += k2 + 1
                defaxes = list(range(ndmin))
                axes = defaxes[:k1] + defaxes[k2:] + defaxes[k1:k2]
                newobj = newobj.transpose(axes)