在 NumPy 数组中使用 append 函数|极客笔记

在 NumPy 数组中使用 append 函数

NumPy 是一个强大的 Python 库，主要用于进行大规模的数值计算。它提供了一个高性能的多维数组对象，以及用于处理这些数组的工具。本文将详细介绍如何使用 NumPy 的 append 函数来向数组添加元素或合并数组。我们将通过多个示例来展示 append 函数的不同用法。

1. NumPy 简介

NumPy（Numerical Python的简称）是 Python 语言的一个扩展程序库。它支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy 的核心功能之一是 ndarray 对象，这是一个多维数组类型，提供了数组级别的操作和复杂广播能力。

2. append 函数的基本用法

numpy.append 函数用于在数组的末尾添加元素。它返回一个新的数组，并不直接修改原始数组。基本语法如下：

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

arr 是指定的输入数组。
values 是同样需要添加的值，可以是一个标量、列表或另一个数组。
axis 指定沿着哪个轴进行连接。默认为 None，此时 values 会被展平。

示例代码 1：向一维数组添加元素

import numpy as np

arr = np.array([1, 2, 3])
values = 4
result = np.append(arr, values)
print(result)  # 输出结果不包含在示例代码中

Output:

在 NumPy 数组中使用 append 函数

示例代码 2：向一维数组添加多个元素

import numpy as np

arr = np.array([1, 2, 3])
values = [4, 5, 6]
result = np.append(arr, values)
print(result)  # 输出结果不包含在示例代码中

Output:

在 NumPy 数组中使用 append 函数

示例代码 3：向二维数组添加行

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
values = [[7, 8, 9]]
result = np.append(arr, values, axis=0)
print(result)  # 输出结果不包含在示例代码中

Output:

在 NumPy 数组中使用 append 函数

示例代码 4：向二维数组添加列

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
values = [[7], [8]]
result = np.append(arr, values, axis=1)
print(result)  # 输出结果不包含在示例代码中

Output:

在 NumPy 数组中使用 append 函数

3. 在实际应用中使用 append

在数据处理和科学计算中，我们经常需要根据数据的需求向数组中添加数据。以下是一些实际的应用示例。

示例代码 5：合并来自不同数据源的数据

import numpy as np

data1 = np.array([1, 2, 3])
data2 = np.array([4, 5, 6])
combined_data = np.append(data1, data2)
print(combined_data)  # 输出结果不包含在示例代码中

Output:

在 NumPy 数组中使用 append 函数

示例代码 6：动态生成数组

import numpy as np

dynamic_array = np.array([])
for i in range(5):
    dynamic_array = np.append(dynamic_array, i)
print(dynamic_array)  # 输出结果不包含在示例代码中

Output:

在 NumPy 数组中使用 append 函数

示例代码 7：处理条件数据

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6])
condition = arr > 3
filtered_arr = np.append(arr[condition], [10, 11, 12])
print(filtered_arr)  # 输出结果不包含在示例代码中

Output:

在 NumPy 数组中使用 append 函数

4. 性能考虑

虽然 numpy.append 是一个非常方便的函数，但在处理大数据或在循环中频繁使用时，它可能不是最高效的选择。每次使用 append 时，NumPy 都会创建一个新的数组，并将旧数组的数据复制到新数组中，然后再添加新的数据。这个过程中涉及到重复的数据复制，会消耗额外的时间和内存。

示例代码 8：使用列表代替 append

import numpy as np

list_array = []
for i in range(1000):
    list_array.append(i)
numpy_array = np.array(list_array)
print(numpy_array)  # 输出结果不包含在示例代码中

Output:

在 NumPy 数组中使用 append 函数