NumPy - 将值附加到数组

在 NumPy 中将值附加到数组

在 NumPy 中将值附加到数组意味着向现有的 NumPy 数组添加新元素或数组。此操作涉及创建一个包含原始元素和新元素的新数组，因为 NumPy 数组具有固定大小，并且不支持像传统列表那样的就地修改。

将值附加到一维数组

在 NumPy 中将值附加到一维数组涉及将新元素添加到现有一维数组的末尾。由于 NumPy 数组具有固定大小，此操作会创建一个包含原始元素和新附加值的新数组。为此，我们可以使用 NumPy 中的 np.append() 函数。语法如下:

numpy.append(arr, values, axis=None)

其中:

• arr:待追加值的原始数组。
• values:待追加的值。可以是单个值或数组。
• axis:追加值的轴。对于一维数组，此参数将被忽略，可以为 None。

示例

在以下示例中，我们使用 np.append() 向一维数组添加元素:首先添加一个值，然后添加多个值 -

import numpy as np

# 创建初始一维数组
arr = np.array([1, 2, 3])

# 添加一个值
arr_appended_single = np.append(arr, 4)

# 添加多个值
arr_appended_multiple = np.append(arr, [4, 5, 6])

print("添加一个值后的数组:", arr_appended_single)
print("添加多个值后的数组值:", arr_appended_multiple)

以下是得到的输出 −

附加单个值后的数组:[1 2 3 4]
附加多个值后的数组:[1 2 3 4 5 6]

将值附加到二维数组

在 NumPy 中将值附加到二维数组涉及向现有二维数组添加行或列。由于 NumPy 数组的大小是固定的，因此附加值会创建一个新的数组，该数组将原始数据与新数据结合在一起。让我们探索将值附加到二维数组的各种方式和方法 −

附加二维行

要将行附加到二维数组，我们可以使用 np.vstack() 函数。此函数垂直堆叠数组或沿轴 0 连接数组。语法如下:-

numpy.vstack(tup)

其中，tup 是要垂直堆叠的数组序列。所有数组的列数必须相同。

示例

在此示例中，我们使用 np.vstack() 函数将行附加到二维数组，并在现有行下方添加新行 -

import numpy as np

# 创建初始二维数组
arr = np.array([[1, 2], [3, 4]])

# 创建要追加的行数组
rows_to_append = np.array([[5, 6], [7, 8]])

# 将行追加到初始数组
arr_appended_rows = np.vstack((arr, rows_to_append))

print("追加行后的数组:")
print(arr_appended_rows)

结果是一个新数组，其中追加的行堆叠在底部 -

追加行后的数组:
[[1 2]
[3 4]
[5 6]
[7 8]]

追加二维列

要将列追加到二维数组，我们可以使用 np.hstack() 函数。该函数可以水平堆叠数组或沿轴 1 连接数组。语法如下:

numpy.hstack(tup)

其中，tup 是需要水平堆叠的数组序列。所有数组的行数必须相同。

示例

在下面的示例中，我们使用 np.hstack() 函数将列附加到二维数组，并在现有列的右侧添加新列 -

import numpy as np

# 创建初始二维数组
arr = np.array([[1, 2], [3, 4]])

# 创建要附加的列数组
columns_to_append = np.array([[5], [6]])

# 将列附加到初始数组
arr_appended_columns = np.hstack((arr, columns_to_append))

print("附加列后的数组:")
print(arr_appended_columns)

结果是一个新数组，其中附加的列与原始数据一起放置 -

附加列后的数组:
[[1 2 5]
 [3 4 6]]

附加到多维数组

在 NumPy 中附加到多维数组涉及沿指定轴添加新元素。与一维和二维数组不同，多维数组(例如三维或更高维数)需要仔细对齐要附加数据的维度和轴。

示例

在以下示例中，我们使用 np.append() 函数沿第一个轴向三维数组添加值 -

import numpy as np

# 原始三维数组
arr = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

# 要附加的值(必须与维度匹配)
values = np.array([[[9, 10], [11, 12]], [[13, 14], [15, 16]]])

# 沿轴 0 附加值
result = np.append(arr, values, axis=0)
print(result)

结果数组将新值作为附加层附加到原始数组之上 -

[[[ 1 2]
[ 3 4]]

[[ 5 6]
[ 7 8]]

[[ 9 10]
[11 12]]

[[13 14]
[15 16]]]

附加不同数据类型

在 NumPy 中附加不同数据类型的数组需要谨慎处理，因为 NumPy 数组是同构的;它们必须包含相同数据类型的元素。

当附加不同数据类型的数组时，NumPy 通常会执行类型强制转换，或者创建一个具有通用数据类型的新数组，该数组可以包含所有附加的数据。

示例

在此示例中，我们使用 np.append() 将浮点值添加到整数数组中 -

import numpy as np

# 原始整数数组
arr = np.array([1, 2, 3])

# 要附加的值(浮点数)
values = np.array([4.5, 5.5])

# 附加值
result = np.append(arr, values)
print(result)

执行上述代码后，我们得到以下输出 -

[1. 2. 3. 4.5 5.5]

使用 np.concatenate() 函数进行追加

我们可以使用 np.concatenate() 函数沿指定轴合并数组。它对于将数据追加到现有数组特别有用。语法如下 -

numpy.concatenate((a1, a2, ...), axis=0)

其中，

• a1, a2, ...: 待连接的数组。除了与轴参数对应的维度外，它们必须具有相同的形状。
• axis: 连接数组所沿的轴。 0 是一维数组的默认值，其他值是多维数组的默认值。

示例

在下面的示例中，我们使用 np.concatenate() 函数沿轴"0"连接两个二维数组 -

import numpy as np

# 要连接的数组
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])

# 沿轴 0 连接
result = np.concatenate((arr1, arr2), axis=0)
print(result)

生成的结果如下 -

[[1 2]
 [3 4]
 [5 6]
 [7 8]]