Python中np.append的用法詳解

Python是目前最為流行的編程語言之一，它的使用範圍非常廣泛，包括科學計算、數據分析、機器學習等多個領域。在眾多的Python庫中，numpy（Numerical Python）庫是非常常用的一個庫，它提供了高效的數組和矩陣計算功能。

在numpy庫中，np.append是一個非常常用的函數，它可以用來在數組末尾添加元素。但是，對於新手來說，np.append的使用也可能會遇到一些問題，接下來我們將詳細介紹np.append的用法。

一、np.append的基本用法

np.append(array, values, axis=None)

np.append函數有三個參數，其中array和values是必填參數，axis是可選參數。

array：表示要添加元素的數組。

values：表示要添加到原數組末尾的元素。可以是單個元素或另一個數組。

axis：表示要擴展的軸。在默認情況下，np.append會將數組展開成一個一維數組，如果指定了軸，那麼在特定軸上添加元素。

下面是一個簡單的示例：

import numpy as np
a = np.array([1, 2, 3])
b = np.append(a, [4, 5, 6])
print(b)

運行結果為：

[1 2 3 4 5 6]

從結果可以看出，我們成功地將[4, 5, 6]添加到了a數組的末尾。

二、np.append的常用用法

1.在二維數組中添加元素

對於二維數組，我們可以使用np.vstack或np.hstack函數將多個數組堆疊在一起，其中np.vstack是按垂直方向（行順序）堆疊，np.hstack是按水平方向（列順序）堆疊。在這種情況下，我們通常使用np.vstack或np.hstack來添加元素，而不是使用np.append。

下面是使用np.vstack添加行的示例：

import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([[7, 8, 9]])
c = np.vstack((a, b))
print(c)

運行結果為：

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

注意，當我們添加一行時，需要將添加的數組放在元組中。

下面是使用np.hstack添加列的示例：

import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[5], [6]])
c = np.hstack((a, b))
print(c)

運行結果為：

[[1 2 5]
[3 4 6]]

同樣地，在添加一列時需要將添加的數組放在元組中。

2.在多維數組中添加元素

對於超過二維的數組，我們需要指定添加元素的軸，否則將會將數組展開成一維數組再進行添加。

下面是一個三維數組的示例：

import numpy as np
a = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
b = np.array([[[13, 14, 15], [16, 17, 18]]])
c = np.append(a, b, axis=0)
print(c)

運行結果為：

[[[ 1 2 3]
[ 4 5 6]]

[[ 7 8 9]
[10 11 12]]

[[13 14 15]
[16 17 18]]]

從結果可以看出，我們成功地將b數組添加到了a數組的末尾。要注意的是，我們通過axis參數指定了在哪個軸上添加元素。

三、np.append的注意事項

1.會創建一個新數組

調用np.append函數時，會創建一個新的數組，並在其上添加元素。因此，如果需要在原數組上添加元素，應該使用原地操作函數。

2.效率較低

由於np.append會創建一個新數組，因此效率較低。如果需要在循環中多次添加元素，請使用Python列表。

下面是一個在Python列表中添加元素的示例：

lst = [1, 2, 3]
lst.append(4)
print(lst)

運行結果為：

[1, 2, 3, 4]

3.盡量使用numpy數組的切片

對於數組的切片，numpy數組要比Python列表效率要高得多。因此，盡量使用numpy數組的切片來操作數組。

總結

本文詳細介紹了np.append函數的用法，從基本用法到常見用法都進行了詳細的講解。np.append是一個很有用的函數，但是需要注意其效率較低這一點，在實際應用中需要根據情況進行選擇。