numpy.ndarray添加元素
平常使用的比较多的是list,在list后面添加元素直接是
1
2
|
data_list = [] data_list.append( 0 ) |
就可以了。
但是在上次使用这个用法时,报错numpy.adarray没有append这个属性,因此发现data_list这个变量不是一个list,而是numpy.ndarray类型的,因此改为:
1
|
np.append(data_list, 0 ) |
但是这样改完之后会发现data_list的值并没有发生改变,因此,我改为
1
|
data_list = np.append(data_list, 0 ) |
然后由于添加了一个元素,他会告诉你,等号右边是x+1维,左边是x维,不能赋值,然后改为:
1
|
new_list = np.append(data_list, 0 ) |
定义了一个新变量new_list用于保存添加完元素的值,后面再接着使用new_list进行操作就可以了。
Numpy:数组(Ndarray)之元素添加、删除和修改
数组也是一个可变类型,可以对数组中的元素进行添加、删除和修改,本文详细介绍了对数组元素的添加和删除的操作,以及这两种操作的方法均已列出。数组元素的修改操作简单,只要对索引和切片掌握,使用索引和切片获取到元素后赋值就可以实现。
添加元素
方法 | 说明 |
---|---|
numpy.append() | 数组追加元素 |
numpy.insert() | 数组插入元素 |
numpy.append()
在数组末尾追加元素。
1
|
numpy.append(arr, values, axis = None ) |
参数说明:
-
arr
:接收array_like,需要添加元素的数组。 -
values
:接收array_like,追加到末尾的元素,形状必须匹配。arr和values的维度必须相等才能追加 -
axis
:接收int,如果未给定轴,则arr和values在使用前都会被展平。
返回值:
- ndarray,arr的副本。
示例:
1
2
3
4
5
6
7
8
9
|
# 创建数组a >>> a = np.arange( 1 , 7 ).reshape( 2 , 3 ) >>> a array([[ 1 , 2 , 3 ], [ 4 , 5 , 6 ]]) # 创建数组b >>> b = np.arange( 7 , 10 ).reshape( 1 , 3 ) # a,b维度相同才能追加 >>> b array([[ 7 , 8 , 9 ]]) |
注意:数组(arr)和追加值(values)的维度必须相同才可以追击,否则会报错:
ValueError: all the input arrays must have same number of dimensions, but the array at index 0 has 2 dimension(s) and the array at index 1 has 1 dimension(s)
不指定轴向时,生成副本,将数组a,b都展平后进行追加。
1
2
3
|
# 将数组b追加到数组a后 >>> np.append(a, values = b) # 不指定axis时 array([ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ]) |
指定轴向时,根据轴向追加,但是形状必须匹配,指定轴向为行追加时列数必须相等,指定轴向为列追加时,行数必须相等。
1
2
3
4
|
>>> np.append(a, values = b, axis = 0 ) # 根据行追加 array([[ 1 , 2 , 3 ], [ 4 , 5 , 6 ], [ 7 , 8 , 9 ]]) |
指定轴向时,指定轴向为列时,行数不相同,形状不匹配,无法追加,会报ValueError错!
>>> np.append(a, values=b, axis=1)
ValueError: all the input array dimensions for the concatenation axis must match exactly, but along dimension 0, the array at index 0 has size 2 and the array at index 1 has size 1
numpy.insert()
给定的轴向和指定的索引位置插入值。
1
|
numpy.insert(arr, obj, values, axis = None ) |
参数说明:
-
arr
:接收array_like,输入的数组。 -
obj
:接收整数或者整数序列,索引位置。 -
values
:接收array_like,需要插入数组的值,需要考虑形状。 -
axis
:接收整数,轴向。如果未给定轴向数组会被展平。
返回值:
- ndarray,插入值后的副本。
示例:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
>>> a = np.arange( 1 , 7 ).reshape( 2 , 3 ) >>> a array([[ 1 , 2 , 3 ], [ 4 , 5 , 6 ]]) >>> b = np.ones(shape = ( 2 , 1 )) >>> b array([[ 1. ], [ 1. ]]) # 向数组a的行方向,索引为2的行插入数组b,会自动补全 >>> np.insert(a, 2 , b, axis = 0 ) array([[ 1 , 2 , 3 ], [ 4 , 5 , 6 ], [ 1 , 1 , 1 ], [ 1 , 1 , 1 ]]) # 向数组a的列方向,索引为2的列插入数组b >>> np.insert(a, 2 , b, axis = 1 ) array([[ 1 , 2 , 1 , 1 , 3 ], [ 4 , 5 , 1 , 1 , 6 ]]) |
删除元素
方法 | 说明 |
---|---|
numpy.delete() | 删掉某个轴的子数组,并返回删除后的新数组 |
numpy.delete()
返回一个沿轴删除了子数组的新数组。
返回一个沿轴删除了子数组的新数组。
1
|
numpy.delete(arr, obj, axis = None ) |
参数说明:
-
arr
:接收array_like,输入数组。 -
obj
:接收索引、切片,或者整数构成的数组。 -
axis
:接收整数,轴向
返回值:
- ndarray,删除元素后的数组,是副本。
示例:
1
2
3
4
5
6
7
8
|
>>> a = np.arange( 1 , 7 ).reshape( 2 , 3 ) >>> a array([[ 1 , 2 , 3 ], [ 4 , 5 , 6 ]]) # 轴向为列,删除索引为2的列 >>> np.delete(a, 2 , axis = 1 ) array([[ 1 , 2 ], [ 4 , 5 ]]) |
对数据进行操作时形状非常重要,如果形状不匹配会引发报错,需要对报错的类型了解,才能在出问题后及时找到原因。除此以外,轴向也是非常重要的,二维数组中:axis=0表示行,axis=1表示列,这个概念非常容易混淆。
元素修改
使用索引切片获取到该位置的元素后使用"="为该位置重新赋值即可。
语法:数组名[索引]=值 或 数组名[切片]=值
示例:
1
2
3
4
5
6
7
8
9
10
|
>>> a = np.arange( 1 , 7 ).reshape( 2 , 3 ) >>> a array([[ 1 , 2 , 3 ], [ 4 , 5 , 6 ]]) # 使用索引获取到该位置后重新赋值即可修改元素 >>> a[ 0 , 1 ] = 100 >>> a array([[ 1 , 100 , 3 ], [ 4 , 5 , 6 ]]) |
以上为个人经验,希望能给大家一个参考,也希望大家多多支持服务器之家。
原文链接:https://blog.csdn.net/congcong_i/article/details/121009226