多个网站给一个网站推广,安徽省建设监理网站,彩妆网站模板,合肥网站建设的价格元素添加
Numpy中有类似python列表操作函数append()及insert()#xff0c;但是用法稍有不同#xff0c;append()及insert()不作为数组的实例方法使用。
np.append()
np.append()的参数如下
def append(arr, values, axisNone):
其中#xff0c;arr为数组对象#xff0…元素添加
Numpy中有类似python列表操作函数append()及insert()但是用法稍有不同append()及insert()不作为数组的实例方法使用。
np.append()
np.append()的参数如下
def append(arr, values, axisNone):
其中arr为数组对象values为要插入的值或子数组axis为0则沿行方向添加元素为1则沿列方向添加元素但都是将元素加至末尾
插入一维数组
import numpy as npdata1 np.random.randint(0,10,5)
print(data1)data1 np.append(data1, 100)print(data1)
#
# [1 0 3 1 7]
# [ 1 0 3 1 7 100]
插入二维数组
插入二维数组就会涉及到插入的方式也就是沿行添加还是沿列添加并且要保证数组每个维度的长度相等而且如果指定插入的轴则会将数组扁平化处理也就是降维至一维数组并且插入的数组维度要与原数组相同
不指定插入的轴
import numpy as npdata1 np.random.randint(0,10,(3,4))
print(data1)
data2 np.append(data1,[[1,1,1,1]])
print(data2)# [[6 1 3 4]
# [7 6 2 6]
# [6 5 7 4]]
# [6 1 3 4 7 6 2 6 6 5 7 4 1 1 1 1]可以看到数组做了扁平化处理然后将元素添加到了末尾的位置
沿行插入
import numpy as npdata1 np.random.randint(0,10,(3,4))
print(data1)
data2 np.append(data1,[[1,1,1,1]], axis0)
print(data2)# [[9 2 7 3]
# [6 4 1 8]
# [6 2 1 1]]
# [[9 2 7 3]
# [6 4 1 8]
# [6 2 1 1]
# [1 1 1 1]]沿列插入
import numpy as npdata1 np.random.randint(0,10,(3,4))
print(data1)
data2 np.append(data1,np.ones((3,1)), axis1)
print(data2)# [[9 4 1 6]
# [6 7 1 0]
# [0 2 5 6]]
# [[9. 4. 1. 6. 1.]
# [6. 7. 1. 0. 1.]
# [0. 2. 5. 6. 1.]]注意这里的维度要保持一致也就是形状要为31
insert()
insert()函数的作用为指定索引位置插入元素或子数组参数如下
def insert(arr, obj, values, axisNone):
可以看到arr为数组对象obj为索引位置values为要插入的元素或子数组axis为插入的轴
同样这里要保准数组维度并且不指定axis会导致数组扁平化
插入一维数组
import numpy as npdata1 np.random.randint(0,10,5)
print(data1)data2 np.insert(data1,2,100)
print(data2)
# [8 0 6 5 1]
# [ 8 0 100 6 5 1]
插入二维数组
不指定插入的轴
import numpy as npdata1 np.random.randint(0,10,(2,3))
print(data1)data2 np.insert(data1,2,[1,2,3])
# [[7 3 9]
# [3 1 3]]
# [7 3 1 2 3 9 3 1 3]
可以看到这里直接将数组扁平化后将要插入的子数组按元素插入了指定的索引位置
沿行插入
import numpy as npdata1 np.random.randint(0,10,(2,3))
print(data1)data2 np.insert(data1,2,[[1,2,3]],axis0)
print(data2)
# [[1 3 3]
# [2 3 0]]
# [[1 3 3]
# [2 3 0]
# [1 2 3]]
沿列插入
import numpy as npdata1 np.random.randint(0,10,(2,3))
print(data1)data2 np.insert(data1,2,np.ones((2,1)),axis1)
print(data2)
# [[5 9 5]
# [6 0 3]]
# [[5 9 1 1 5]
# [6 0 1 1 3]]
补充insert()函数的广播机制
insert函数在进行二维数组的插入时不同于append()函数需要插入数组的维度要与被插入的数组一致insert()函数可以将插入数组进行广播从而匹配形状
import numpy as npdata1 np.random.randint(0,10,(2,3))
print(data1)data2 np.insert(data1,2,1,axis1)
data3 np.insert(data1,2,[1,1,1],axis0)
print(data2)
print(data3)
# [[2 8 7]
# [5 8 9]]
# [[2 8 1 7]
# [5 8 1 9]]
# [[2 8 7]
# [5 8 9]
# [1 1 1]]
这里分别使用常量1和一维数组作为插入对象进行了广播尝试
元素删除
np.delete()
元素删除这里使用np.delete()函数函数参数如下
def delete(arr, obj, axisNone):
arr为要进行删除的数组对象obj为要删除的元素对应的下标axis为要进行删除的轴
同样若不指定axis则会对数组进行扁平化处理
对一维数组进行删除
import numpy as npdata1 np.random.randint(0,10,5)
print(data1)data2 np.delete(data1,2)
print(data2)
#
# [1 1 4 3 6]
# [1 1 3 6]
对二维数组进行阐述
不指定轴
import numpy as npdata1 np.random.randint(0,10,(2,3))
print(data1)data2 np.delete(data1,2)
print(data2)
# [[5 4 6]
# [0 3 7]]
# [5 4 0 3 7]
可以看到数组扁平化后删除了索引为2的值
删除指定行
import numpy as npdata1 np.random.randint(0,10,(3,4))
print(data1)data2 np.delete(data1,2,axis0)
print(data2)
# [[8 5 7 2]
# [9 0 7 1]
# [6 2 9 0]]
# [[8 5 7 2]
# [9 0 7 1]]
删除指定列
import numpy as npdata1 np.random.randint(0,10,(3,4))
print(data1)data2 np.delete(data1,2,axis1)
print(data2)
# [[3 5 0 2]
# [0 0 0 2]
# [4 2 8 6]]
# [[3 5 2]
# [0 0 2]
# [4 2 6]]
