numpy实现合并多维矩阵、list的扩展方法

一、合并多个numpy矩阵

1、首先创建两个多维矩阵

矩阵a的大小为（2，3，2）

矩阵b的大小为（3，2，3）

采用concatentate这个函数就可以合并两个多维矩阵

合并之后应为（5，3，2）

In [1]: import numpy as np
In [2]: a = np.ndarray((3, 2, 3))
In [3]: b = np.ndarray((2, 2, 3))
In [4]: print(a.shape, b.shape)
(3, 2, 3) (2, 2, 3)
In [5]: c = np.concatenate((a, b), axis = 0)
In [6]: print(c.shape)
(5, 2, 3)
In [7]:

二、矩阵的追加

矩阵的追加是采用append这个函数，list也有这个函数，但是二者的使用方式略有不同。

1、创建一个ndarray

2、然后使用np.append()函数进行追加（注意是np.append, 不是a.append）

In [2]: import numpy as np
In [3]: a = np.array([1, 2, 3, 4, 5])
In [4]: a = np.append(a, 10)
In [5]: a
Out[5]: array([ 1, 2, 3, 4, 5, 10])
In [6]: a = np.append(a, [1, 2, 3])
In [7]: a
Out[7]: array([ 1, 2, 3, 4, 5, 10, 1, 2, 3])

三、列表的扩展(extend)

1、列表的扩展就是把两个列表合并

2、采用extend函数

In [9]: a = [1, 2, 3, 4]
In [10]: b = [5, 6, 7, 8]
In [11]: a
Out[11]: [1, 2, 3, 4]
In [12]: b
Out[12]: [5, 6, 7, 8]
In [13]: c = a.extend(b)
In [14]: c
In [15]: a
Out[15]: [1, 2, 3, 4, 5, 6, 7, 8]

请注意extend这个函数的返回值是None，所以上面第13行c的输出为空，而a的值已经变了，所以它是直接在a后面扩展的，并没有任何返回值。

四、列表的追加

列表的追加直接用append就行

1、创建列表a

2、在a的后面追加数据

In [28]: a = [1, 2,3,4]
In [29]: a.append(6)
In [30]: a
Out[30]: [1, 2, 3, 4, 6]
In [31]:

以上这篇numpy实现合并多维矩阵、list的扩展方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。

您可能感兴趣的文章:

  • python中numpy的矩阵、多维数组的用法
  • 详谈Numpy中数组重塑、合并与拆分方法
  • NumPy 如何生成多维数组的方法
  • python实现合并两个数组的方法
赞 (0)

相关推荐

  • 详谈Numpy中数组重塑、合并与拆分方法

    1.数组重塑 1.1一维数组转变成二维数组 通过reshape( )函数即可实现,假设data是numpy.array类型的一维数组array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]),现将其转变为2行5列的二维数组,代码如下: data.reshape((2,5)) 作为参数的形状的其中一维可以是-1,它表示该维度的大小由数据本身推断而来,因此上面代码等价于: data.reshape((2,-1)) 1.2二维数组转换成一维数组 将多维数组转换成一维数组的运算通常称为扁

  • python实现合并两个数组的方法

    本文实例讲述了python实现合并两个数组的方法.分享给大家供大家参考.具体如下: python合并两个数组,将两个数组连接成一个数组,例如,数组 a=[1,2,3] ,数组 b=[4,5,6],连接后:[1,2,3,4,5,6] 方法1 a=[1,2,3] b=[4,5,6] a=a+b 方法2 a=[1,2,3] b=[4,5,6] a.extend(b) 希望本文所述对大家的Python程序设计有所帮助.

  • python中numpy的矩阵、多维数组的用法

    1. 引言 最近在将一个算法由matlab转成python,初学python,很多地方还不熟悉,总体感觉就是上手容易,实际上很优雅地用python还是蛮难的.目前为止,觉得就算法仿真研究而言,还是matlab用得特别舒服,可能是比较熟悉的缘故吧.matlab直接集成了很多算法工具箱,函数查询.调用.变量查询等非常方便,或许以后用久了python也会感觉很好用.与python相比,最喜欢的莫过于可以直接选中某段代码执行了,操作方便,python也可以实现,就是感觉不是很方便. 言归正传,做算法要用

  • NumPy 如何生成多维数组的方法

    Python现在是最热门的人工智能语言,各种工具的支持如Google的Tensorflow,都是首选支持Python的. 但是,与R语言不同,Python语言设计时,并没有考虑对于矩阵运算,统计计算等功能做专项支持.于是我们需要NumPy库来补足这一能力上的不足. NumPy是Python的著名扩展库,相当于Python中的MATLAB. Numpy 中,ndarray 类具有六个参数,它们分别为: shape:数组的形状. dtype:数据类型. buffer:对象暴露缓冲区接口. offse

  • numpy实现合并多维矩阵、list的扩展方法

    一.合并多个numpy矩阵 1.首先创建两个多维矩阵 矩阵a的大小为(2,3,2) 矩阵b的大小为(3,2,3) 采用concatentate这个函数就可以合并两个多维矩阵 合并之后应为(5,3,2) In [1]: import numpy as np In [2]: a = np.ndarray((3, 2, 3)) In [3]: b = np.ndarray((2, 2, 3)) In [4]: print(a.shape, b.shape) (3, 2, 3) (2, 2, 3) In

  • numpy库ndarray多维数组的维度变换方法(reshape、resize、swapaxes、flatten)

    numpy库对多维数组有非常灵巧的处理方式,主要的处理方法有: .reshape(shape) : 不改变数组元素,返回一个shape形状的数组,原数组不变 .resize(shape) : 与.reshape()功能一致,但修改原数组 In [22]: a = np.arange(20) #原数组不变 In [23]: a.reshape([4,5]) Out[23]: array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14

  • numpy数组合并和矩阵拼接的实现

    Numpy中提供了concatenate,append, stack类(包括hsatck.vstack.dstack.row_stack.column_stack),r_和c_等类和函数用于数组拼接的操作. 各种函数的特点和区别如下标: concatenate 提供了axis参数,用于指定拼接方向 append 默认先ravel再拼接成一维数组,也可指定axis stack 提供了axis参数,用于生成新的维度 hstack 水平拼接,沿着行的方向,对列进行拼接 vstack 垂直拼接,沿着列的

  • numpy.ndarray 交换多维数组(矩阵)的行/列方法

    如下所示: >> import numpy as np >> P = np.eye(3) >> P array([[ 1., 0., 0.], [ 0., 1., 0.], [ 0., 0., 1.]]) 交换第 0 行和第 2 行: >> P[[0, 2], :] = P[[2, 0], :] # P[(0, 2), :] = P[(2, 0), :] >> P array([[ 0., 0., 1.], [ 0., 1., 0.], [ 1.

  • numpy中实现二维数组按照某列、某行排序的方法

    如何根据二维数组中的某一行或者某一列排序?假设data是一个numpy.array类型的二维数组,可以利用numpy中的argsort函数进行实现,代码实例如下: data = data[data[:,2].argsort()] #按照第3列对行排序 注意:argsort返回的只是排好序后的行索引,不会改变原数组. 按照某行进行排序,可以利用转置操作,代码如下所示: data = data.T(data.T[:,2].argsort()).T # 按照第3行对列进行排序 也可以直接按行进行排序,

  • Python获取二维矩阵每列最大值的方法

    因为做项目中间有一个很小的环节需要这个功能,所以就写了一个简单的小函数,下面是具体实现: #!usr/bin/env python #encoding:utf-8 ''' __Author__:沂水寒城 ''' def get_max_value(martix): ''' 得到矩阵中每一列最大的值 ''' res_list=[] for j in range(len(martix[0])): one_list=[] for i in range(len(martix)): one_list.ap

  • 基于Python Numpy的数组array和矩阵matrix详解

    NumPy的主要对象是同种元素的多维数组.这是一个所有的元素都是一种类型.通过一个正整数元组索引的元素表格(通常是元素是数字). 在NumPy中维度(dimensions)叫做轴(axes),轴的个数叫做秩(rank,但是和线性代数中的秩不是一样的,在用python求线代中的秩中,我们用numpy包中的linalg.matrix_rank方法计算矩阵的秩,例子如下). 结果是: 线性代数中秩的定义:设在矩阵A中有一个不等于0的r阶子式D,且所有r+1阶子式(如果存在的话)全等于0,那末D称为矩阵

  • Python 使用Numpy对矩阵进行转置的方法

    如下所示: matrix.py #!/usr/bin/python # -*- encoding:UTF-8-*- import pprint import numpy as np matrix = [[1,2],[3,4],[5,6]] print('列表:') pprint.pprint(matrix) matrix_2 = np.matrix(matrix) print('原矩阵:') pprint.pprint(matrix_2) matrix_transpose = np.transp

  • python的dataframe转换为多维矩阵的方法

    最近有一个需求要把dataframe转换为多维矩阵,然后可以使用values来实现,下面记录一下代码,方便以后使用. import pandas as pd import numpy as np df = pd.DataFrame(np.random.rand(3,3),columns=list('abc'),index=list('ABC')) print(df) print('============') print(df.values) 实现的效果: 以上这篇python的datafram

  • python 二维矩阵转三维矩阵示例

    如下所示: >>> import numpy as np >>> a = np.arange(12).reshape(3,4) >>> a array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]) >>> type(a) <class 'numpy.ndarray'> >>> b=np.reshape(a,(3,4,1)) >>> np

随机推荐