Ajout du tableau Numpy

Numpy est une bibliothèque / module Python utilisé dans la programmation Python pour effectuer des calculs scientifiques. Cette leçon vous apprendra à exécuter diverses opérations sur des tableaux Numpy. Numpy possède un objet de tableau multidimensionnel, ainsi que des tableaux dérivés comme des tableaux masqués et des tableaux multidimensionnels masqués. La méthode Numpy append () dans Python est utilisée pour rejoindre deux tableaux ensemble. Cette fonction crée un nouveau tableau tout en laissant le tableau d'origine seul.

La syntaxe est numpy.Ajouter (arr, valeurs, axe = aucun). Le paramètre «arr», dans ce cas, peut être un objet de type tableau ou peut-être un tableau nu. Une copie de ce tableau est ajoutée avec les valeurs. Les valeurs sont des objets de type tableau ajoutés aux composants «arr» à la toute fin. L'axe détermine quelles valeurs d'axe sont fixées. Les deux tableaux sont aplatis si l'axe n'est pas spécifié.

Nous pouvons utiliser l'objet «ndarray» fourni par le module Numpy pour exécuter des opérations sur un tableau de n'importe quelle dimension. Le ndarray est un tableau à n dimensions dans lequel n peut être n'importe quel nombre. En conséquence, les tableaux Numpy peuvent être de n'importe quelle taille. Par rapport aux listes Python, Numpy présente beaucoup d'avantages. Les tableaux Numpy peuvent être utilisés pour effectuer des opérations de haute performance comme les membres de tri de tri, les opérations mathématiques et logiques, les fonctions d'entrée / sortie et les calculs d'algèbre statistique et linéaire. Dans cet article, nous allons examiner comment utiliser les fonctions APPEND (), concatenate () et insérer () pour ajouter ou ajouter un seul élément à un tableau nu. Commençons.

Exemple 1

Dans cet exemple, nous utiliserons Ajouter pour ajouter un élément au tableau Numpy. Le module Numpy dans Python a une fonction appelée Numpy.APPEND () qui vous permet d'ajouter un élément à un tableau Numpy. La fonction ADD () peut prendre un tableau Numpy et une seule valeur en tant que paramètres. Il renvoie une copie du tableau passé avec la valeur fournie ci-jointe plutôt que de modifier le tableau existant. Considérez le code ci-dessous comme exemple. Après avoir importé Numpy, nous avons créé un tableau Numpy entier. Le Numpy.La fonction annexée () est ensuite utilisée pour attacher un élément à la toute fin d'un tableau Numpy. Enfin, nous avons imprimé les tableaux originaux et mis à jour.

Importer Numpy comme NP
myarr = np.Array ([22, 3, 4, 7, 1])
n_arr = np.Ajouter (Myarr, 5)
print ('Array nouvellement créé est:', n_arr)
Print ('Array original est:', Myarr)

Vous pouvez voir le nouveau tableau d'origine dans la capture d'écran ci-jointe. La fonction annex () a copié le tableau, puis a ajouté le numéro 5 à sa fin avant de le renvoyer.

Exemple 2

Nous utiliserons la méthode du concaténate pour ajouter l'élément au tableau Numpy. Nombant.ConaTenate () est une méthode dans le module Python Numpy qui rejoint deux tableaux ou plus. Cela nous permet d'ajouter un seul élément à un tableau Numpy. Cependant, nous devons encapsuler l'élément unique dans une structure de données de séquence, comme une liste, et alimenter la fonction concatenate () un tuple de tableau et de liste. Par exemple, jetez un œil à ce code.

Comme vous pouvez le voir dans la troisième ligne de code, vous pouvez ajouter un élément à la fin d'un tableau Numpy. Il a créé un nouveau tableau avec des entrées à partir des séquences de liste Array Plus. Il n'a pas changé le tableau d'origine, mais a plutôt renvoyé un nouveau tableau avec tous les contenus du tableau Numpy d'origine plus une seule valeur annexée à la fin.

Importer Numpy comme NP
myarr = np.Array ([22, 3, 4, 7, 1])
n_arr = np.concatenate ((Myarr, [5]))
print ('Array nouvellement créé est:', n_arr)
Print ('Array original est:', Myarr)

La capture d'écran ci-jointe montre les tableaux originaux et nouvellement créés.

Exemple 3

La méthode insert () dans Numpy peut également insérer un élément ou une colonne. La différence entre les méthodes insert () et append () est que la fonction insert () nous permet de spécifier l'index à laquelle nous souhaitons ajouter un élément, tandis que la méthode annexée () ajoute une valeur à la fin du tableau. Considérez le scénario suivant. Ici, vous pouvez voir que la fonction insert () a été appelée avec trois arguments: un tableau Numpy, un point d'index et une valeur à ajouter. Il a généré une copie de MyAr avec la valeur de la position d'index spécifiée ajoutée. Nous avons sélectionné la taille du tableau comme position d'index car nous nous attendions à ajouter l'élément à la fin du tableau. En conséquence, la valeur a été annexée à la fin du tableau. Il est important de noter qu'il n'a pas changé le tableau d'origine; Au lieu de cela, il a renvoyé une copie de MyAr avec la valeur fournie annexée à l'index spécifié, je.e., à la fin du tableau.

Importer Numpy comme NP
myarr = np.Array ([22, 3, 4, 7, 1])
n_arr = np.insérer (Myarr, 1, 90)
print ('Array nouvellement créé est:', n_arr)
Print ('Array original est:', Myarr)

Ici, vous pouvez voir le réseau nouvellement créé et le tableau d'origine.

Conclusion

Un réseau numpy est un tuple d'entiers non négatifs et index une grille d'éléments de tous les mêmes types. Le classement du tableau est le nombre de dimensions; La forme est un tuple de nombres représentant la taille et la dimension du tableau. Dans cet article, nous avons couvert trois méthodes distinctes pour ajouter un seul élément à la fin d'un tableau Numpy. Travailler avec des tableaux Numpy est simple, comme nous l'avons montré. Lorsque vous travaillez avec la plupart des cadres d'apprentissage automatique, les tableaux Numpy sont importants. En conséquence, Numpy pourrait être considéré comme la passerelle de l'intelligence artificielle.