极客笔记Numpy中向二维数组追加数据的方法
在数据处理和科学计算中，经常需要对数组进行操作，比如向数组中追加新的数据。Numpy是Python中用于进行高效数值计算的基础库，它提供了一系列用于操作数组的函数。本文将详细介绍如何使用Numpy向二维数组中追加数据，并提供多个示例代码。
1. Numpy简介
Numpy是Python的一个开源数值计算扩展库，用于高效的进行大规模数据数组的快速运算。它提供了数组对象ndarray，以及用于对数组执行操作的各种函数和运算符。Numpy的核心是在大型数据集上执行快速数组操作，它的功能包括但不限于数组的创建、形状变换、排序、选择、I/O、离散傅立叶变换、基本线性代数、基本统计操作和随机模拟等。
2. 创建二维数组
在介绍如何向二维数组追加数据之前，我们先来看看如何创建一个二维数组。
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(array_2d)
Output:
3. 使用np.append()向二维数组追加数据
Numpy提供了np.append()函数，可以用于向数组末尾追加数据。当用于二维数组时，需要指定追加的方向，即沿着哪个轴追加。
3.1 沿着行追加（axis=0）
向二维数组的末尾追加一行，需要指定axis=0。
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建一个新行
new_row = np.array([10, 11, 12])
# 向array_2d追加新行
array_2d_appended_row = np.append(array_2d, [new_row], axis=0)
print(array_2d_appended_row)
Output:
3.2 沿着列追加（axis=1）
向二维数组的末尾追加一列，需要指定axis=1。
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建一个新列
new_column = np.array([[13], [14], [15]])
# 向array_2d追加新列
array_2d_appended_column = np.append(array_2d, new_column, axis=1)
print(array_2d_appended_column)
Output:
3.3 追加多行或多列
可以一次性追加多行或多列。
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建多行数据
new_rows = np.array([[16, 17, 18], [19, 20, 21]])
# 向array_2d追加多行
array_2d_appended_rows = np.append(array_2d, new_rows, axis=0)
print(array_2d_appended_rows)
Output:
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建多列数据
new_columns = np.array([[22, 23], [24, 25], [26, 27]])
# 向array_2d追加多列
array_2d_appended_columns = np.append(array_2d, new_columns, axis=1)
print(array_2d_appended_columns)
Output:
3.4 注意事项
在使用np.append()时，需要确保追加的数据与原数组在追加轴上的其他维度是兼容的。
4. 使用np.concatenate()向二维数组追加数据
除了np.append()，Numpy还提供了np.concatenate()函数，它可以用于沿指定轴连接两个或多个数组。
4.1 沿着行连接（axis=0）
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建一个新行
new_row = np.array([[28, 29, 30]])
# 沿着行方向连接array_2d和new_row
array_2d_concatenated_row = np.concatenate((array_2d, new_row), axis=0)
print(array_2d_concatenated_row)
Output:
4.2 沿着列连接（axis=1）
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建一个新列
new_column = np.array([[31], [32], [33]])
# 沿着列方向连接array_2d和new_column
array_2d_concatenated_column = np.concatenate((array_2d, new_column), axis=1)
print(array_2d_concatenated_column)
Output:
4.3 连接多个数组
可以一次性连接多个数组。
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建多行数据
new_rows = np.array([[34, 35, 36], [37, 38, 39]])
# 沿着行方向连接array_2d和new_rows
array_2d_concatenated_rows = np.concatenate((array_2d, new_rows), axis=0)
print(array_2d_concatenated_rows)
Output:
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建多列数据
new_columns = np.array([[40, 41], [42, 43], [44, 45]])
# 沿着列方向连接array_2d和new_columns
array_2d_concatenated_columns = np.concatenate((array_2d, new_columns), axis=1)
print(array_2d_concatenated_columns)
Output:
4.4 注意事项
与np.append()类似，使用np.concatenate()时也需要确保所有参与连接的数组在非连接轴上的维度是相同的。
5. 使用np.vstack()和np.hstack()向二维数组追加数据
Numpy还提供了np.vstack()和np.hstack()函数，分别用于垂直（行方向）和水平（列方向）堆叠数组。
5.1 使用np.vstack()垂直堆叠数组
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建一个新行
new_row = np.array([46, 47, 48])
# 使用np.vstack()垂直堆叠array_2d和new_row
array_2d_stacked_row = np.vstack((array_2d, new_row))
print(array_2d_stacked_row)
Output:
5.2 使用np.hstack()水平堆叠数组
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建一个新列
new_column = np.array([[49], [50], [51]])
# 使用np.hstack()水平堆叠array_2d和new_column
array_2d_stacked_column = np.hstack((array_2d, new_column))
print(array_2d_stacked_column)
Output:
5.3 堆叠多个数组
可以一次性堆叠多个数组。
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建多行数据
new_rows = np.array([[52, 53, 54], [55, 56, 57]])
# 使用np.vstack()垂直堆叠array_2d和new_rows
array_2d_stacked_rows = np.vstack((array_2d, new_rows))
print(array_2d_stacked_rows)
Output:
import numpy as np
# 创建一个3x3的二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建多列数据
new_columns = np.array([[58, 59], [60, 61], [62, 63]])
# 使用np.hstack()水平堆叠array_2d和new_columns
array_2d_stacked_columns = np.hstack((array_2d, new_columns))
print(array_2d_stacked_columns)
Output:
5.4 注意事项
使用np.vstack()和np.hstack()时，需要确保所有参与堆叠的数组在非堆叠轴上的维度是相同的。
6. 总结
本文详细介绍了如何使用Numpy向二维数组中追加数据，包括使用np.append()、np.concatenate()、np.vstack()和np.hstack()函数。这些函数都可以用于向二维数组的末尾追加一行或一列，或者一次性追加多行或多列。在使用这些函数时，需要注意确保追加的数据与原数组在追加轴上的其他维度是兼容的。
Numpy是一个强大的数值计算库，它提供了大量的函数和运算符，可以用于处理各种各样的数值计算任务。通过熟练掌握这些函数和运算符，可以大大提高Python的数值计算能力，从而更好地解决实际问题。