Trong bài viết này, chúng ta sẽ thảo luận về cách nối các phần tử ở cuối một Mảng Numpy trong python bằng cách sử dụng numpy. nối thêm []
Tổng quan về numpy. nối thêm []
Mô-đun Numpy của Python cung cấp chức năng nối các phần tử vào cuối Mảng Numpy
numpy.append[arr, values, axis=None]
Tranh luận
- mảng. mảng_like
- Các giá trị đã cho sẽ được thêm vào bản sao của mảng này
- giá trị. mảng_like
- Các giá trị cần thêm vào mảng
- Nếu trục được cung cấp, thì các giá trị được thêm vào phải có hình dạng tương tự như mảng arr dọc theo trục mà chúng ta muốn thêm
- trục. int, tùy chọn
- Trục dọc theo đó các giá trị sẽ được thêm vào mảng. Giá trị mặc định là Không có
- Nếu trục là Không có. Sau đó, mảng giá trị sẽ được làm phẳng và thêm vào mảng mảng
- Nếu trục là 0, thì các giá trị sẽ được thêm vào hàng một cách khôn ngoan
- Nếu trục là 1, thì các giá trị sẽ được thêm vào cột một cách khôn ngoan
- Trục dọc theo đó các giá trị sẽ được thêm vào mảng. Giá trị mặc định là Không có
trả lại
- Một bản sao của mảng arr đã cho, với các giá trị được thêm vào mảng
Nó không sửa đổi mảng ban đầu trong mảng tham số. Nó tạo một bản sao của mảng này và nối các phần tử từ tham số giá trị vào cuối mảng được sao chép mới này. Vì vậy, về cơ bản, nó trả về một bản sao của mảng có nhiều mảng được cung cấp với các giá trị được thêm vào nó
quảng cáo
Hãy hiểu bằng các ví dụ
Nối các phần tử vào cuối mảng numpy 1D
Hãy tạo một mảng Numpy i. e
import numpy as np # create a Numpy array from a list arr = np.array[[1, 2, 3, 4, 5, 6, 7]]
Nối một phần tử vào mảng Numpy
# Append a single element at the end of Numpy Array newArr = np.append[arr, 88]
Nội dung của Mảng Numpy mới được trả về
[ 1 2 3 4 5 6 7 88]
Bây giờ hãy xem cách nối nhiều phần tử vào một mảng Numpy
Nối các phần tử từ danh sách vào mảng Numpy
import numpy as np # create a Numpy array from a list arr = np.array[[1, 2, 3, 4, 5, 6, 7]] # Append multiple elements from a list to the end of a Numpy Array newArr = np.append[arr, [88,99,100]]
Nội dung của Mảng Numpy mới được trả về
[ 1 2 3 4 5 6 7 88 99 100]
Làm phẳng mảng 2D Numpy và thêm các mục vào đó
Hãy tạo một mảng 2D numpy i. e
import numpy as np # Create a 2D Numpy Array like Matrix matrixArr = np.array[ [ [1, 2, 3], [ 4, 5, 6] ]]
Bây giờ hãy thêm danh sách 1D vào mảng Numpy 2D này
# Add elements in List to 2D Numpy array by flattening newArr = np.append[matrixArr, [22, 23, 24]]
Vì tham số trục không được cung cấp trong lệnh gọi append[], nên cả hai mảng sẽ được làm phẳng trước và sau đó các giá trị sẽ được thêm vào. Do đó, nội dung của Mảng Numpy phẳng mới được trả về là,
________số 8Thêm một Mảng Numpy vào một hàng mảng khác một cách khôn ngoan
Nếu chúng ta cung cấp tham số trục trong lệnh gọi append[] thì cả hai mảng phải có cùng hình dạng. Hãy tạo hai mảng 2D numpy,
import numpy as np # Create two 2D Numpy Array like Matrix matrixArr1 = np.array[[[1, 2, 3], [4, 5, 6]]] matrixArr2 = np.array[[[70, 80, 90], [61, 62, 63]]]
Bây giờ, hãy nối các hàng từ một mảng có nhiều mảng vào cuối một mảng có nhiều mảng khác bằng cách chuyển trục là 0 i. e
import numpy as np # create a Numpy array from a list arr = np.array[[1, 2, 3, 4, 5, 6, 7]]0
Nội dung của mảng 2D matrixArr2 sẽ được thêm vào nội dung của matrixArr1 dưới dạng các hàng trong mảng mới. Nội dung của mảng trả về là,
import numpy as np # create a Numpy array from a list arr = np.array[[1, 2, 3, 4, 5, 6, 7]]1
Thêm một mảng NumPy vào một mảng khác – Column Wise
Trong ví dụ trên nếu thay vì chuyển trục thành 0, chúng ta chuyển trục=1 thì nội dung của mảng 2D matrixArr2 sẽ được thêm vào nội dung của matrixArr1 dưới dạng các cột trong mảng mới i. e
import numpy as np # create a Numpy array from a list arr = np.array[[1, 2, 3, 4, 5, 6, 7]]2
Nội dung của Mảng Numpy mới được trả về là,
import numpy as np # create a Numpy array from a list arr = np.array[[1, 2, 3, 4, 5, 6, 7]]3
Lỗi khi nối thêm các phần tử trong mảng Numpy có hình dạng khác nhau
Nếu bạn đang cung cấp tham số trục trong numpy. append[] thì cả hai mảng phải có cùng hình dạng dọc theo trục đã cho, nếu không nó sẽ gây ra Lỗi. Ví dụ,
Hãy thử nối mảng 1D vào mảng 2D với axis = 1 i. e
import numpy as np # create a Numpy array from a list arr = np.array[[1, 2, 3, 4, 5, 6, 7]]4
Nó sẽ đưa ra lỗi sau,
import numpy as np # create a Numpy array from a list arr = np.array[[1, 2, 3, 4, 5, 6, 7]]5
Chúng tôi đang cố gắng nối thêm mảng 1D một cách khôn ngoan vào mảng 2D có hình dạng 2X3, do đó, các hình dạng không tương thích, do đó, nó đã báo lỗi. Chúng ta nên tạo hình NX3 trong đó N có thể lớn hơn 1
Hướng dẫn về Pandas -Tìm hiểu Phân tích dữ liệu với Python
- Hướng dẫn Pandas Phần #1 - Giới thiệu về Phân tích dữ liệu với Python
- Hướng dẫn Pandas Phần #2 - Khái niệm cơ bản về Pandas Series
- Hướng dẫn Pandas Phần #3 - Nhận & Đặt giá trị chuỗi
- Pandas Tutorial Part #4 - Thuộc tính & phương thức của Pandas Series
- Hướng dẫn về Pandas Phần #5 - Thêm hoặc xóa các thành phần của Pandas Series
- Hướng dẫn về Pandas Phần #6 - Giới thiệu về DataFrame
- Hướng dẫn về Pandas Phần #7 - DataFrame. loc[] - Chọn Hàng/Cột theo Lập chỉ mục
- Hướng dẫn về Pandas Phần #8 - DataFrame. iloc[] - Chọn Hàng/Cột theo Tên nhãn
- Hướng dẫn về gấu trúc Phần #9 - Lọc các hàng trong khung dữ liệu
- Hướng dẫn Pandas Phần #10 - Thêm/Xóa Hàng & Cột DataFrame
- Hướng dẫn về Pandas Phần #11 - Các thuộc tính & phương thức DataFrame
- Hướng dẫn Pandas Phần #12 - Xử lý dữ liệu bị thiếu hoặc giá trị NaN
- Hướng dẫn về Pandas Phần #13 - Lặp lại các Hàng & Cột của DataFrame
- Hướng dẫn Pandas Phần #14 - Sắp xếp DataFrame theo Hàng hoặc Cột
- Hướng dẫn về gấu trúc Phần #15 - Hợp nhất hoặc ghép các khung dữ liệu
- Hướng dẫn về Pandas Phần #16 - DataFrame GroupBy được giải thích bằng các ví dụ
Bạn đang muốn tạo dựng sự nghiệp trong Khoa học dữ liệu với Python?
Khoa học dữ liệu là tương lai và tương lai là ở đây ngay bây giờ. Các nhà khoa học dữ liệu hiện là những chuyên gia được tìm kiếm nhiều nhất hiện nay. Để trở thành một Nhà khoa học dữ liệu giỏi hoặc để chuyển đổi nghề nghiệp trong Khoa học dữ liệu, người ta phải sở hữu bộ kỹ năng phù hợp. Chúng tôi đã tuyển chọn danh sách Chứng chỉ chuyên nghiệp tốt nhất về Khoa học dữ liệu với Python. Các khóa học này sẽ dạy cho bạn các công cụ lập trình cho Khoa học dữ liệu như Pandas, NumPy, Matplotlib, Seaborn và cách sử dụng các thư viện này để triển khai các mô hình Máy học
Kiểm tra Đánh giá chi tiết về Chứng chỉ chuyên nghiệp tốt nhất về Khoa học dữ liệu với PythonHãy nhớ rằng, Khoa học dữ liệu đòi hỏi rất nhiều kiên nhẫn, bền bỉ và thực hành. Vì vậy, hãy bắt đầu học ngay hôm nay