Numpy Array Append

Numpy ist eine Python -Bibliothek/ein Modul der Python -Programmierung, um wissenschaftliche Berechnungen durchzuführen. In dieser Lektion werden Sie vermittelt, wie Sie verschiedene Operationen auf Numpy -Arrays ausführen können. Numpy hat ein mehrdimensionales Array -Objekt sowie abgeleitete Arrays wie maskierte Arrays und maskierte mehrdimensionale Arrays. Die Numpy append () -Methode in Python wird verwendet, um zwei Arrays zusammenzuschließen. Diese Funktion erstellt ein neues Array, während das ursprüngliche Array in Ruhe gelassen wird.

Die Syntax ist numpy.anhängen (arr, Werte, axis = keine). Der Parameter 'arr' kann in diesem Fall ein Array-ähnliches Objekt oder vielleicht ein numpy Array sein. Eine Kopie dieses Arrays wird mit den Werten hinzugefügt. Die Werte sind Array-ähnliche Objekte, die den Komponenten „arr“ am Ende hinzugefügt haben. Die Achse bestimmt, welche Achsenwerte an verbunden sind. Beide Arrays sind abgeflacht, wenn die Achse nicht angegeben ist.

Wir können das vom Numpy -Modul bereitgestellte "nDarray" -Objekt verwenden. Das NDarray ist ein n-dimensionales Array, in dem N eine beliebige Zahl sein kann. Infolgedessen können Numpy -Arrays von jeder Größe sein. Im Vergleich zu Python -Listen hat Numpy viele Vorteile. Numpy-Arrays können verwendet werden, um Hochleistungsvorgänge wie Sortieren von Array-Mitgliedern, mathematische und logische Operationen, Eingangs-/Ausgangsfunktionen sowie statistische und lineare Algebra-Berechnungen durchzuführen. In diesem Beitrag werden wir uns ansehen, wie Sie die Funktionen append (), concattenate () und insert () verwenden, um ein einzelnes Element an ein Numpy -Array hinzuzufügen oder anzuhängen. Lass uns anfangen.

Beispiel 1

In diesem Beispiel werden wir Append verwenden, um dem Numpy -Array ein Element hinzuzufügen. Das Numpy -Modul in Python hat eine Funktion namens Numpy.append (), mit dem Sie einem Numpy -Array ein Element hinzufügen können. Die Funktion add () kann ein Numpy -Array und einen einzelnen Wert als Parameter erfolgen. Es gibt eine Kopie des übergebenen Arrays mit dem angegebenen Wert zurück, anstatt das vorhandene Array zu ändern. Betrachten Sie den folgenden Code als Beispiel. Nachdem wir Numpy importiert hatten, haben wir ein ganzzahliges Numpy -Array erstellt. Der Numpy.Anschlüsse wird anschließend verwendet. Schließlich haben wir sowohl die ursprünglichen als auch aktualisierten Arrays gedruckt.

Numph als NP importieren
myarr = np.Array ([22, 3, 4, 7, 1])
n_arr = np.append (myarr, 5)
print ('Neu erstelltes Array ist:', n_arr)
print ('Original -Array ist:', myarr)

Sie können das neue und ursprüngliche Array im angehängten Screenshot sehen. Die Funktion append () kopierte das Array und fügte die Nummer 5 an das Ende an, bevor es zurückgegeben wurde.

Beispiel 2

Wir werden die Concattenate -Methode verwenden, um das Element dem Numpy -Array hinzuzufügen. Numpy.concattenate () ist eine Methode im Python Numpy -Modul, das zwei oder mehr Arrays verbindet. Dadurch können wir einem numpy Array ein einzelnes Element hinzufügen. Wir müssen jedoch das einzelne Element in einer Sequenzdatenstruktur wie einer Liste zusammenfassen und die Funktion concatenate () ein Tupel von Array und List füttern. Schauen Sie sich beispielsweise diesen Code an.

Wie Sie in der dritten Codezeile sehen können, können Sie ein Element am Ende eines Numpy -Arrays anhängen. Es erstellte ein neues Array mit Einträgen aus den Array Plus -List -Sequenzen. Es änderte das ursprüngliche Array nicht, sondern gab stattdessen ein neues Array mit allen Inhalten des ursprünglichen Numpy -Arrays sowie einem einzigen Wert, der am Ende angehängt ist.

Numph als NP importieren
myarr = np.Array ([22, 3, 4, 7, 1])
n_arr = np.verkettet ((myarr, [5]))
print ('Neu erstelltes Array ist:', n_arr)
print ('Original -Array ist:', myarr)

Der angehängte Screenshot zeigt die ursprünglichen und neu erstellten Arrays.

Beispiel 3

Die Methode Insert () in Numpy kann auch ein Element oder eine Spalte einfügen. Die Differenz zwischen den Methoden Insert () und append () besteht darin, dass die Funktion Insert () den Index angeben kann. Betrachten Sie das folgende Szenario. Hier können Sie sehen, dass die Funktion Insert () mit drei Argumenten aufgerufen wurde: ein Numpy -Array, ein Indexpunkt und ein zu addierter Wert. Es generierte eine Kopie von Myarr mit dem Wert der angegebenen Indexposition hinzugefügt. Wir haben die Größe des Arrays als Indexposition ausgewählt, da wir erwartet hatten, das Element am Ende des Arrays hinzuzufügen. Infolgedessen wurde der Wert am Ende des Arrays angehängt. Es ist wichtig zu beachten, dass es das ursprüngliche Array nicht geändert hat. Stattdessen gab es eine Kopie von Myarr mit dem vom angegebenen Index angehängten gelieferten Wert zurück, i.e., am Ende des Arrays.

Numph als NP importieren
myarr = np.Array ([22, 3, 4, 7, 1])
n_arr = np.Einfügen (myarr, 1, 90)
print ('Neu erstelltes Array ist:', n_arr)
print ('Original -Array ist:', myarr)

Hier sehen Sie das neu erstellte und das ursprüngliche Array.

Abschluss

Ein Numpy-Array ist ein Tupel von nicht negativen Ganzzahlen und indiziert ein Gitter von Elementen aller gleichen Typen. Das Ranking des Arrays ist die Anzahl der Dimensionen; Die Form ist ein Tupel von Zahlen, die die Größe und Dimension des Arrays darstellen. In diesem Beitrag haben wir drei verschiedene Methoden zur Anhänge eines einzelnen Elements bis zum Ende eines numpy Arrays abgedeckt. Die Arbeit mit Numpy Arrays ist einfach, wie wir gezeigt haben. Bei der Arbeit mit den meisten Rahmenbedingungen für maschinelles Lernen sind Numpy -Arrays wichtig. Infolgedessen könnte Numpy als Tor zur künstlichen Intelligenz angesehen werden.