NumPy教程-numpy.append()在Python中的使用
NumPy教程-numpy.append()在Python中的使用
gh_1d7504e4dee1
回复：python，领取Python面试题。分享Python教程，Python架构师教程，Python爬虫，Python编程视频，Python脚本，Pycharm教程，Python微服务架构，Python分布式架构，Pycharm注册码。
numpy.append()函数是NumPy包中的一个函数。顾名思义，append意味着添加。numpy.append()函数用于将新值添加到现有的numpy数组中。此函数在数组末尾添加新值。
numpy.append()函数用于合并两个数组。它返回一个新数组，原始数组保持不变。
语法
numpy.append(arr,
values
, axis=
None
)
参数
append()函数有以下参数：
1) arr: array_like
这是一个ndarray。新值将添加到此数组的副本中。这个参数是必需的，在numpy.append()函数中发挥着重要作用。
2) values: array_like
这个参数定义了要添加到ndarray副本的值。需要注意的是，这些值必须与原始ndarray的形状相同，排除了轴。如果未定义轴，则这些值可以具有任何形状，并在使用之前被展平。
3) axis: int（可选）
这个参数定义了在哪个轴上添加值。当未给出轴时，ndarray和值都会在使用之前被展平。
资源分享
返回值
此函数返回带有附加值的ndarray的副本。
示例 1：np.append()
import numpy as np
a = np.array([[10, 20, 30], [40, 50, 60], [70, 80, 90]])
b = np.array([[11, 21, 31], [42, 52, 62], [73, 83, 93]])
c = np.append(a, b)
c
输出：
array
([
10
,
20
,
30
,
40
,
50
,
60
,
70
,
80
,
90
,
11
,
21
,
31
,
42
,
52
,
62
,
73
,
83
,
93
])
上述代码中
我们使用别名np导入了numpy。
我们使用np.array()函数创建了一个数组’a’。
然后，我们使用相同的np.array()函数创建了另一个数组’b’。
我们声明了变量’c’，并将其赋值为np.append()函数的返回值。
我们在函数中传递了数组’a’和’b’。
最后，我们尝试打印数组的值。
在输出中，数组’a’和’b’的值已展平，而原始数组保持不变。
示例 2：np.append({a1, a2, ...}, axis=0)
import numpy as np
a = np.array([[10, 20, 30], [40, 50, 60], [70, 80, 90]])
b = np.array([[11, 21, 31], [42, 52, 62], [73, 83, 93]])
c = np.append(a, b, axis=0)
c
上述代码中
我们使用别名np导入了numpy。
我们使用np.array()函数创建了一个数组’a’。
然后，我们使用相同的np.array()函数创建了另一个数组’b’。
我们声明了变量’c’，并将其赋值为np.append()函数的返回值。
我们在函数中传递了数组’a’和’b’，同时还传递了轴值为0。
最后，我们尝试打印数组的值。
在输出中，数组’a’和’b’的值已垂直地合并为一个数组，而原始数组保持不变。
输出：
array
(
[[ 10, 20, 30]
,
[ 40, 50, 60]
,
[ 70, 80, 90]
,
[11, 21, 31]
,
[42, 52, 62]
,
[73, 83, 93]
])
示例 3：np.append({a1, a2, ...}, axis=1)
import numpy as np
a = np.array([[10, 20, 30], [40, 50, 60], [70, 80, 90]])
b = np.array([[11, 21, 31], [42, 52, 62], [73, 83, 93]])
c = np.append(a, b, axis=1)
c
输出：
array
(
[[ 10, 20, 30, 11, 21, 31]
,
[ 40, 50, 60, 42, 52, 62]
,
[ 70, 80, 90, 73, 83, 93]
])
-
这十个Python实战项目，让你瞬间读懂Python！
-
NumPy教程-Python中的numpy.array()
-
替代for循环，让Python代码更pythonic !