快捷導(dǎo)航

numpy中np.append()函數(shù)用法小結(jié)

更新時間：2023年11月07日 10:50:32 作者：田土豆

在numpy的函數(shù)庫中,np.append()函數(shù)是一個常用的數(shù)組操作函數(shù),它在進行數(shù)組操作時能夠?qū)蓚€數(shù)組進行拼接,并返回一個拼接后的新數(shù)組,下面就來介紹一下具體用法,感興趣的可以了解一下

函數(shù)np.append(arr, values, axis=None)

作用：

為原始array添加一些values

參數(shù)：

arr:需要被添加values的數(shù)組
values:添加到數(shù)組arr中的值（array_like，類數(shù)組）
axis:可選參數(shù)，如果axis沒有給出，那么arr，values都將先展平成一維數(shù)組。注：如果axis被指定了，那么arr和values需要同為一維數(shù)組或者有相同的shape，否則報錯：ValueError: arrays must have same number of dimensions

補充對axis的理解

axis的最大值為數(shù)組arr的維數(shù)-1，如arr維數(shù)等于1，axis最大值為0；arr維數(shù)等于2，axis最大值為1，以此類推。
當arr的維數(shù)為2(理解為單通道圖)，axis=0表示沿著行增長方向添加values；axis=1表示沿著列增長方向添加values
當arr的維數(shù)為3(理解為多通道圖)，axis=0，axis=1時同上；axis=2表示沿著圖像深度增長方向添加values

返回：

添加了values的新數(shù)組

e.g.

1. 不考慮axis

arr，values都將先展平成一維數(shù)組,然后沿著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, c))

輸出結(jié)果如下：

[1 2 3 4 5]
[1 2 3 6 7 8 9]

2. 考慮axis，arr,values同為一維數(shù)組或兩者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('在一維數(shù)組a后添加values,結(jié)果如下：\n{}'.format(np.append(a, b, axis=0)))
print('沿二維數(shù)組c的行增長方向添加values結(jié)果如下：\n{}'.format(np.append(c, d, axis=0)))
print('沿二維數(shù)組c的列增長方向添加values結(jié)果如下：\n{}'.format(np.append(c, d, axis=1)))

結(jié)果如下：

在一維數(shù)組a后添加values,結(jié)果如下：
[1 2 3 4 5]
沿二維數(shù)組c的行增長方向添加values結(jié)果如下：
[[ 6 7]
[ 8 9]
[10 11]
[12 13]]
沿二維數(shù)組c的列增長方向添加values結(jié)果如下：
[[ 6 7 10 11]
[ 8 9 12 13]]

3. 考慮axis，如果arr和values不同為一維數(shù)組且shape不同，則報錯：

import numpy as np

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

輸出結(jié)果如下：

Traceback (most recent 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, in append
return concatenate((arr, values), axis=axis)
ValueError: all the input arrays must have same number of dimensions

np.append存在的一些問題

1. np.append太慢了

在大量數(shù)據(jù)處理時，使用np.append()容易導(dǎo)致內(nèi)存分配錯誤和性能上的瓶頸問題。而且每次使用np.append()時都會生成新的數(shù)組，這很容易導(dǎo)致數(shù)組拷貝，從而增加運行成本和內(nèi)存占用。為了解決這個問題，我們可以使用其他的數(shù)據(jù)處理方式，如預(yù)分配數(shù)組、拼接數(shù)組等。