numpy.average（numpy.append()中axis三种用法介绍）

小编介绍过python中numpy.append()的使用方法
  
  
  
  
  
  
  
，在numpy.append()有三个参数 
  
  
  
  
  
  
 ，其中arr和values会重新组合成一个新的数组 


 


 


 


 


 


 


 ，做为返回值              。而axis是一个可选的值
 
 
 
 
 
 
 
，根据不同的axis的不同条件  
   
   
   
   
   
   
 ，numpy.append()的使用方法也不同 

 

 

 

 

 

 

 ，本文介绍numpy.append()中axis三种用法  
 
  
 
  
 
  
 
  
 
  
 
  
 
 。

numpy.append()中axis三种用法

1
  
  
  
  
  
  
  
、axis无定义：返回总是为一维数组

如果axis没有给出

 

 

 

 

 

 

 
，那么arr              ，values都将先展平成一维数组














。

返回由arr和values组成的新数组
  
  
  
  
  
  
  。

importnumpyasnp a=[1,2,3] b=[4,5] c=[[6,7],[8,9]] print(np.append(a,b)) print(np.append(a,c))

输出

[12345] [1236789]

2 
  
  
  
  
  
  
 、axis=0的情况：数组是加在下面（列数要相同）

axis=0 
 

 
 

 
 

 
 

 
 

 
 

 
 

 ，表示针对第1维进行操作














，可以简单的理解为                     ，加在了行上  
  
  
  
  
  
  
 。所以行数增加 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，列数不变
 


 


 


 


 


 


 


。

importnumpyasnp aa=np.zeros((1,8)) bb=np.ones((3,8)) c=np.append(aa,bb,axis=0) print(c)

输出

[[0.0.0.0.0.0.0.0.] [1.1.1.1.1.1.1.1.] [1.1.1.1.1.1.1.1.] [1.1.1.1.1.1.1.1.]]

3 


 


 


 


 


 


 


 、axis=1的情况：数组是加在右边（行数要相同）

拓展列





















，行数不变
 
 
 
 
 
 
 。行数需要相同   
   
   
   
   
   
   
 。

importnumpyasnp DYX=np.zeros((3,1)) HXH=np.ones((3,8)) XH=np.append(DYX,HXH,axis=1) print(DYX)#(3,1) """ [[0.] [0.] [0.]] """ print(HXH)#(3,8) """ [[1.1.1.1.1.1.1.1.] [1.1.1.1.1.1.1.1.] [1.1.1.1.1.1.1.1.]] """ #最终结果： print(XH) """ [[0.1.1.1.1.1.1.1.1.] [0.1.1.1.1.1.1.1.1.] [0.1.1.1.1.1.1.1.1.]] """ print(XH.shape)#(3,9) #axis=1,在第二维上拼接              ，所以说 
 
  
 
  
 
  
 
  
 
  
 
  
 
  ，(3,1)和(3,8)就变成了(3,9)

numpy.append()语法格式

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

以上就是numpy.append()中axis三种用法介绍













，希望能对你有所帮助哟~更多python高级学习推荐：python高级教程
 

 

 

 

 

 

 

。