numpy中np.append()函数用法小结

目录

• 函数np.append(arr, values, axis=None)
• 作用：
• 参数：
• 返回：
• e.g.
• np.append存在的一些问题
• 1. np.append太慢了
• 2. np.append函数typeerror

函数np.append(arr, values, axis=None)

作用：

为原始array添加一些values

参数：

• arr:需要被添加values的数组
• values:添加到数组arr中的值（array_like，类数组）
• axis:可选参数，如果axis没有给出，那么arr，values都将先展平成一维数组。注：如果axis被指定了，那么arr和values需要同为一维数组或者有相同的shape，否则报错：ValueError: arrays must have same number of dimensions

补充对axis的理解

• axis的最大值为数组arr的维数-1，如arr维数等于1，axis最大值为0；arr维数等于2，axis最大值为1，以此类推。
• 当arr的维数为2(理解为单通道图)，axis=0表示沿着行增长方向添加values；axis=1表示沿着列增长方向添加values
• 当arr的维数为3(理解为多通道图)，axis=0，axis=1时同上；axis=2表示沿着图像深度增长方向添加values

返回：

添加了values的新数组

e.g.

1. 不考虑axis

arr，values都将先展平成一维数组,然后沿着axis=0的方向在arr后添加values

import numpy as np

a = [1, 2, 3]
b = [4, 5]
c = [[6, 7], [8, 9]]
print(np.append(a, b))
print(np.append(a,编程 c))

输出结果如下：

[1 2 3www.devze.com 4 5]

[1 2 3 6 7 8 9]

2. 考虑axis，arr,values同为一维数组或两者shape相同

import numpy as np

a = [1, 2, 3]
b = [4, 5]
c = [[6, 7], [8, 9]]
d = [[10, 11], [12, 13]]
print('在一维数组a后添加values,结果如下：\n{}'.format(np.append(a, b, axis=0)))
print('沿二维数组c的行增长方向添加values结果如下：\n{}'.format(np.append(c, d, axis=0)))
print('沿二维数组c的列增长方向添加values结果如下：\n{}'.format(np.append(c, d, axis=1)))

结果如下：

在一维数组a后添加values,结果如下：

[1 2 3 4 5]

沿二维数组c的行增长方向添加values结果如下：

[[ 6  7]

 [ 8  9]

 [10 11]

 [12 13]]

沿二维数组c的列增长方向添加values结果如下：

[[ 6  7 10 11]

 [ 8  9 12 13]]

3. 考虑axis，如果arr和values不同为一维数组且shape不同，则报错：

import numpy as np

a = [1, 2, 3]
c = [[6, 7], [8, 9]]
print(np.append(a, c, axis=0))

输出结果如下：

Traceback (most r编程ecent call last):

  File "F:\eclipse-workspace\test\t1.py", line 4, in <module>

    print(np.append(a,c,axis=0))

  File "E:\anaconda\anzhuang\lib\site-packages\numpy\lib\function_base.py", line 4694, pythonin append

    return concatenate((arr, values), axis=axis)

ValueError: all the input arrays must have same number of dimensions

np.append存在的一些问题

1. np.append太慢了

在大量数据处理时，使用np.append()容易导致内存分配错误和性能上的瓶颈问题。而且每次使用np.append()时都会生成新的数组，这很容易导致数组拷贝，从而增加运行成本和内存占用。为了解决这个问题，我们可以使用其他的数据编程处理方式，如预分配数组、拼接数组等。

2. np.append函数typeerror

np.append()函数只能用于numpy数组，当向它传递非数组参数时，它会报错。这是因为np.append()实际上是对numpy数组进行操作的，所以只能接收numpy数组作为参数。

到此这篇关于numpy中np.append()函数用法小结的文章就介绍到这了,更多相关numpy np.append() 内容请搜索编程客栈(www.devze.com)以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程客栈(www.devze.com)！