在 NumPy 数组末尾追加值
原文:https://www . geeksforgeeks . org/ending-values-at-of-numpy-array/
让我们看看如何在 NumPy 数组的末尾追加值。在数组末尾添加值是一项必要的任务,尤其是当数据不是固定的并且易于更改时。对于这个任务,我们可以使用 numpy.append() 。这个函数可以帮助我们在数组的末尾追加一个值和多个值。
语法: numpy.append(数组,值,轴=无) 参数:
- 数组:输入数组。
- 值:要在数组中添加的值。
- 轴:我们要沿其插入值的轴。
返回:数组的一个副本,其值按照所提到的对象 沿着给定的轴附加在末尾。
示例 1:向 1D 数组追加单个值。对于 1D 数组,使用轴参数是不必要的,因为默认情况下数组是扁平的。
# importing the module
import numpy as np
# creating an array
arr = np.array([1, 8, 3, 3, 5])
print('Original Array : ', arr)
# appending to the array
arr = np.append(arr, [7])
print('Array after appending : ', arr)
输出:
Original Array : [1 8 3 3 5]
Array after appending : [1 8 3 3 5 7]
例 2 : 在 1D 数组末尾追加另一个数组。您可以将列表或数组传递给 append 函数,结果将是相同的。
# importing the module
import numpy as np
# creating an array
arr1 = np.array([1, 2, 3])
print('First array is : ', arr1)
# creating another array
arr2 = np.array([4, 5, 6])
print('Second array is : ', arr2)
# appending arr2 to arr1
arr = np.append(arr1, arr2)
print('Array after appending : ', arr)
输出:
First array is : [1 2 3]
Second array is : [4 5 6]
Array after appending : [1 2 3 4 5 6]
示例 3 : 在 n 维数组的末尾追加值。两个数组的维度匹配很重要,否则会产生错误。
# importing the module
import numpy as np
# create an array
arr = np.arange(1, 13).reshape(2, 6)
print('Original Array')
print(arr, '\n')
# create another array which is
# to be appended column-wise
col = np.arange(5, 11).reshape(1, 6)
print('Array to be appended column wise')
print(col)
arr_col = np.append(arr, col, axis = 0)
print('Array after appending the values column wise')
print(arr_col, '\n')
# create an array which is
# to be appended row wise
row = np.array([1, 2]).reshape(2, 1)
print('Array to be appended row wise')
print(row)
arr_row = np.append(arr, row, axis = 1)
print('Array after appending the values row wise')
print(arr_row)
输出:
Original Array
[[ 1 2 3 4 5 6]
[ 7 8 9 10 11 12]]
Array to be appended column wise
[[ 5 6 7 8 9 10]]
Array after appending the values column wise
[[ 1 2 3 4 5 6]
[ 7 8 9 10 11 12]
[ 5 6 7 8 9 10]]
Array to be appended row wise
[[1]
[2]]
Array after appending the values row wise
[[ 1 2 3 4 5 6 1]
[ 7 8 9 10 11 12 2]]