Apakah kegunaan fungsi np.append?
Penggunaan fungsi np.append adalah untuk menghantar elemen yang akan dilampirkan pada fungsi sebagai parameter, dan kemudian nyatakan kedudukan tatasusunan dan paksi untuk ditambahkan. Sintaks bagi fungsi np.append ialah "np.append(arr, values, axis=None)", arr ialah tatasusunan elemen yang akan dilampirkan, nilai adalah elemen yang akan ditambahkan, paksi ialah kedudukan bagi paksi untuk ditambahkan, dan lalainya ialah Tiada. Biasa digunakan dalam tatasusunan satu dimensi, dua dimensi dan berbilang dimensi, dengan menyatakan kedudukan paksi untuk mengawal kaedah penambahan, dsb.
Sistem pengendalian tutorial ini: sistem Windows 10, komputer Dell G3. Fungsi
np.append ialah fungsi dalam perpustakaan NumPy yang digunakan untuk menambahkan elemen pada penghujung tatasusunan. Penggunaannya adalah untuk menghantar elemen yang akan dilampirkan pada fungsi sebagai parameter, dan kemudian menentukan kedudukan tatasusunan dan paksi untuk ditambahkan.
Secara khusus, sintaks fungsi np.append adalah seperti berikut:
np.append(arr, values, axis=None)
Antaranya, arr ialah tatasusunan elemen yang hendak dilampirkan, nilai adalah elemen yang akan ditambahkan, paksi ialah kedudukan paksi kepada ditambahkan, dan lalainya ialah Tiada.
Mari bincangkan penggunaan fungsi np.append secara terperinci.
Tambahkan pada tatasusunan satu dimensi:
Apabila arr ialah tatasusunan satu dimensi, fungsi np.append menambahkan nilai pada penghujung arr dan mengembalikan tatasusunan satu dimensi yang baharu. Contohnya:
import numpy as np arr = np.array([1, 2, 3]) values = np.array([4, 5, 6]) new_arr = np.append(arr, values) print(new_arr) # [1 2 3 4 5 6]
Tambahkan pada tatasusunan dua dimensi:
Apabila arr ialah tatasusunan dua dimensi, kita perlu menentukan kedudukan paksi yang dilampirkan. Secara lalai, axis=None, fungsi np.append meratakan arr ke dalam tatasusunan satu dimensi dan kemudian menambahkan nilai ke penghujung. Contohnya:
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) values = np.array([[7, 8, 9]]) new_arr = np.append(arr, values) print(new_arr) # [1 2 3 4 5 6 7 8 9]
Jika kita nyatakan paksi=0, nilai akan ditambahkan pada penghujung arr baris demi baris. Contohnya:
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) values = np.array([[7, 8, 9]]) new_arr = np.append(arr, values, axis=0) print(new_arr) [[1 2 3] [4 5 6] [7 8 9]]
Jika kita nyatakan paksi=1, kemudian tambahkan nilai pada penghujung arr mengikut lajur. Contohnya:
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) values = np.array([[7], [8]]) new_arr = np.append(arr, values, axis=1) print(new_arr) [[1 2 3 7] [4 5 6 8]]
Tambahkan pada tatasusunan berbilang dimensi:
Apabila arr ialah tatasusunan berbilang dimensi, kita juga perlu menentukan kedudukan paksi yang dilampirkan. Contohnya:
import numpy as np arr = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]]) values = np.array([[[9, 10], [11, 12]]]) new_arr = np.append(arr, values, axis=0) print(new_arr) [[[ 1 2] [ 3 4]] [[ 5 6] [ 7 8]] [[ 9 10] [11 12]]]
Dalam tatasusunan berbilang dimensi, kita boleh menentukan paksi=0, paksi=1, paksi=2, dsb. untuk ditambah pada kedudukan paksi yang berbeza.
Perlu diambil perhatian bahawa fungsi np.append akan mengembalikan tatasusunan baharu setiap kali ia dipanggil, dan tatasusunan asal tidak akan berubah. Oleh itu, dalam penggunaan sebenar, kita biasanya perlu menetapkan tatasusunan baharu yang dikembalikan kepada pembolehubah untuk operasi seterusnya. Fungsi
np.append ialah fungsi dalam perpustakaan NumPy yang digunakan untuk menambahkan elemen pada penghujung tatasusunan. Ia boleh digunakan untuk tatasusunan satu dimensi, dua dimensi dan pelbagai dimensi untuk mengawal cara penambahan dengan menyatakan kedudukan paksi. Mahir dalam penggunaan fungsi np.append sangat membantu untuk operasi tatasusunan dan pemprosesan data.
Atas ialah kandungan terperinci Apakah kegunaan fungsi np.append?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



OpenSSL, sebagai perpustakaan sumber terbuka yang digunakan secara meluas dalam komunikasi yang selamat, menyediakan algoritma penyulitan, kunci dan fungsi pengurusan sijil. Walau bagaimanapun, terdapat beberapa kelemahan keselamatan yang diketahui dalam versi sejarahnya, yang sebahagiannya sangat berbahaya. Artikel ini akan memberi tumpuan kepada kelemahan umum dan langkah -langkah tindak balas untuk OpenSSL dalam sistem Debian. Debianopenssl yang dikenal pasti: OpenSSL telah mengalami beberapa kelemahan yang serius, seperti: Kerentanan Pendarahan Jantung (CVE-2014-0160): Kelemahan ini mempengaruhi OpenSSL 1.0.1 hingga 1.0.1f dan 1.0.2 hingga 1.0.2 versi beta. Penyerang boleh menggunakan kelemahan ini untuk maklumat sensitif baca yang tidak dibenarkan di pelayan, termasuk kunci penyulitan, dll.

Artikel ini menerangkan cara menggunakan alat PPROF untuk menganalisis prestasi GO, termasuk membolehkan profil, mengumpul data, dan mengenal pasti kesesakan biasa seperti CPU dan isu memori.

Artikel ini membincangkan ujian unit menulis di GO, meliputi amalan terbaik, teknik mengejek, dan alat untuk pengurusan ujian yang cekap.

Perpustakaan yang digunakan untuk operasi nombor terapung dalam bahasa Go memperkenalkan cara memastikan ketepatannya ...

Masalah Threading Giliran di GO Crawler Colly meneroka masalah menggunakan Perpustakaan Colly Crawler dalam bahasa Go, pemaju sering menghadapi masalah dengan benang dan permintaan beratur. � ...

Artikel ini membincangkan menggunakan ujian yang didorong oleh jadual di GO, satu kaedah yang menggunakan jadual kes ujian untuk menguji fungsi dengan pelbagai input dan hasil. Ia menyoroti faedah seperti kebolehbacaan yang lebih baik, penurunan duplikasi, skalabiliti, konsistensi, dan a

Artikel ini membincangkan pakej GO's Reflect, yang digunakan untuk manipulasi kod runtime, bermanfaat untuk siri, pengaturcaraan generik, dan banyak lagi. Ia memberi amaran tentang kos prestasi seperti pelaksanaan yang lebih perlahan dan penggunaan memori yang lebih tinggi, menasihati penggunaan yang bijak dan terbaik

Artikel ini membincangkan menguruskan kebergantungan modul Go melalui Go.Mod, meliputi spesifikasi, kemas kini, dan resolusi konflik. Ia menekankan amalan terbaik seperti versi semantik dan kemas kini biasa.
