numpy.r_[字符串, 数组, 数组] 

numpy.r_的这三个整数默认值是'0,1,-1'
 numpy.c_就是numpy.r_在三个整数是'-1,2,0'时的特例，因为常用，所以单独拎出来了。
第一个参数-1指沿最后一个轴(维度)连接
有一个shape=(2, 3, 4)的数组
np.random.randint(low=0, high=10, size=[2, 3, 4], dtype='l')
(1)参数举例：0, 1, -1
首先中间参数为1，代表参与级联的数组至少是1维的，注意是“至少”；
然后第一个参数0代表在第一维进行级联；
最后一个参数表示数组原始维度的位置，此时-1代表不做改变
结果为shape=(4, 3, 4)

(2)参数举例：0, 1, 1
因为没有进行升维操作，所以结果同上，最后一个参数可以是任意整数，都不会对结果造成影响

(3)参数举例: 0, 4, -1
首先将数组升至四维，(1, 2, 3, 4)，然后在第一维进行级联
shape=(2, 2, 3, 4)

(4)参数举例0, 4, 0
首先升维(1, 2, 3, 4)；
最后一个参数是0，表示原始维度(2, 3, 4)的位置，(2, 3, 4, 1)
shape=(4, 3, 4, 1)

(5)参数举例0, 4, 1
改变原始维度位置，(1, 2, 3, 4)
shape=(2, 2, 3, 4)

(6)参数举例0, 4, 2
报错，因为原始维度位置超出了范围