Làm thế nào để bạn thêm một cái gì đó vào một mảng trong python?

Trong bài viết này, chúng ta sẽ thảo luận về các cách khác nhau để thêm/chắp thêm một phần tử trong một mảng có nhiều mảng bằng cách sử dụng hàm append[] hoặc concatenate[] hoặc insert[]

Mục lục

• Sử dụng append[] để thêm phần tử vào Numpy Array
• Sử dụng concatenate[] để thêm một phần tử vào Numpy Array
• Sử dụng insert[] để thêm một phần tử vào Numpy Array

Thêm phần tử vào Mảng Numpy bằng append[]

Mô-đun Numpy trong python, cung cấp chức năng cho numpy. append[] để thêm một phần tử vào một mảng có nhiều mảng. Chúng ta có thể chuyển mảng có nhiều mảng và một giá trị làm đối số cho hàm append[]. Nó không sửa đổi mảng hiện có, nhưng trả về một bản sao của mảng đã truyền với giá trị đã cho được thêm vào nó. Ví dụ,

import numpy as np

# Create a Numpy Array of integers
arr = np.array[[11, 2, 6, 7, 2]]

# Add / Append an element at the end of a numpy array
new_arr = np.append[arr, 10]

print['New Array: ', new_arr]
print['Original Array: ', arr]

đầu ra

New Array:  [11  2  6  7  2 10]
Original Array:  [11  2  6  7  2]

Hàm append[] đã tạo một bản sao của mảng, sau đó thêm giá trị 10 vào cuối của nó và trả về giá trị cuối cùng

quảng cáo

Thêm phần tử vào Mảng Numpy bằng cách sử dụng concatenate[]

Mô-đun Numpy trong python, cung cấp chức năng numpy. concatenate[] để nối hai hoặc nhiều mảng. Chúng ta có thể sử dụng nó để thêm một phần tử vào mảng có nhiều mảng. Nhưng để làm được điều đó, chúng ta cần đóng gói một giá trị trong cấu trúc dữ liệu chuỗi như danh sách và chuyển một bộ mảng & danh sách cho hàm concatenate[]. Ví dụ,

import numpy as np

# Create a Numpy Array of integers
arr = np.array[[11, 2, 6, 7, 2]]

# Add / Append an element at the end of a numpy array
new_arr = np.concatenate[ [arr, [10] ] ]

print['New Array: ', new_arr]
print['Original Array: ', arr]

đầu ra

New Array:  [11  2  6  7  2 10]
Original Array:  [11  2  6  7  2]

Nó trả về một mảng mới chứa các giá trị từ cả hai chuỗi i. e. mảng và danh sách. Nó không sửa đổi mảng ban đầu, nhưng trả về một mảng mới chứa tất cả các giá trị từ mảng numpy ban đầu và cuối cùng một giá trị được thêm vào cùng với chúng

Thêm phần tử vào Numpy Array bằng cách sử dụng insert[]

Sử dụng numpy. insert[] trong mô-đun NumPy, chúng ta cũng có thể chèn một phần tử vào cuối một mảng có nhiều mảng. Ví dụ:
C
Đầu ra.
O

Chúng tôi đã chuyển ba đối số cho hàm insert[] i. e. một mảng numpy, vị trí chỉ mục và giá trị được thêm vào. Nó trả về một bản sao của mảng arr với giá trị được thêm vào tại vị trí chỉ mục đã cho. Như trong trường hợp này, chúng tôi muốn thêm phần tử vào cuối mảng, vì vậy ở vị trí chỉ mục, chúng tôi đã chuyển kích thước của mảng. Do đó, nó đã thêm giá trị vào cuối mảng

Điểm quan trọng là nó không sửa đổi mảng ban đầu, nó trả về một bản sao của mảng ban đầu arr với giá trị đã cho được thêm vào tại chỉ mục i đã chỉ định. e. ở cuối mảng

Bản tóm tắt

Chúng tôi đã tìm hiểu về ba cách khác nhau để nối một phần tử vào cuối một mảng có nhiều mảng trong python

Hướng dẫn về Pandas -Tìm hiểu Phân tích dữ liệu với Python

• Hướng dẫn Pandas Phần #1 - Giới thiệu về Phân tích dữ liệu với Python
• Hướng dẫn Pandas Phần #2 - Khái niệm cơ bản về Pandas Series
• Hướng dẫn Pandas Phần #3 - Nhận & Đặt giá trị Chuỗi
• Pandas Tutorial Part #4 - Thuộc tính & phương thức của Pandas Series
• Hướng dẫn về Pandas Phần #5 - Thêm hoặc xóa các thành phần của Pandas Series
• Hướng dẫn về Pandas Phần #6 - Giới thiệu về DataFrame
• Hướng dẫn về Pandas Phần #7 - DataFrame. loc[] - Chọn Hàng/Cột theo Lập chỉ mục
• Hướng dẫn về Pandas Phần #8 - DataFrame. iloc[] - Chọn Hàng/Cột theo Tên nhãn
• Hướng dẫn về gấu trúc Phần #9 - Lọc các hàng trong khung dữ liệu
• Hướng dẫn Pandas Phần #10 - Thêm/Xóa Hàng & Cột DataFrame
• Hướng dẫn về Pandas Phần #11 - Các thuộc tính & phương thức DataFrame
• Hướng dẫn Pandas Phần #12 - Xử lý dữ liệu bị thiếu hoặc giá trị NaN
• Hướng dẫn về Pandas Phần #13 - Lặp lại các Hàng & Cột của DataFrame
• Hướng dẫn Pandas Phần #14 - Sắp xếp DataFrame theo Hàng hoặc Cột
• Hướng dẫn về gấu trúc Phần #15 - Hợp nhất hoặc ghép các khung dữ liệu
• Hướng dẫn về Pandas Phần #16 - DataFrame GroupBy được giải thích bằng các ví dụ

Bạn đang muốn tạo dựng sự nghiệp trong Khoa học dữ liệu với Python?

Khoa học dữ liệu là tương lai và tương lai là ở đây ngay bây giờ. Các nhà khoa học dữ liệu hiện là những chuyên gia được tìm kiếm nhiều nhất hiện nay. Để trở thành một Nhà khoa học dữ liệu giỏi hoặc để chuyển đổi nghề nghiệp trong Khoa học dữ liệu, người ta phải sở hữu bộ kỹ năng phù hợp. Chúng tôi đã tuyển chọn danh sách Chứng chỉ chuyên nghiệp tốt nhất về Khoa học dữ liệu với Python. Các khóa học này sẽ dạy cho bạn các công cụ lập trình cho Khoa học dữ liệu như Pandas, NumPy, Matplotlib, Seaborn và cách sử dụng các thư viện này để triển khai các mô hình Máy học

Hãy nhớ rằng, Khoa học dữ liệu đòi hỏi rất nhiều kiên nhẫn, bền bỉ và thực hành. Vì vậy, hãy bắt đầu học ngay hôm nay