Numpy matrise vedlegg

Numpy er et Python -bibliotek/modul som brukes i Python -programmering for å utføre vitenskapelige beregninger. Denne leksjonen vil lære deg hvordan du utfører forskjellige operasjoner på numpy matriser. Numpy har et flerdimensjonalt array -objekt, samt avledede matriser som maskerte matriser og maskerte flerdimensjonale matriser. Numpy append () -metoden i python brukes til å slå sammen to matriser sammen. Denne funksjonen oppretter en ny matrise mens du lar den originale matrisen være i fred.

Syntaksen er numpy.vedlegg (ARR, verdier, akse = ingen). 'ARR' -parameteren, i dette tilfellet, kan være et matrise-lignende objekt eller kanskje en numpy matrise. En kopi av denne matrisen legges til med verdiene. Verdiene er matrise-lignende objekter som er lagt til “ARR” -komponentene helt til slutt. Aksen bestemmer hvilke akseverdier som er festet til. Begge matriser er flatet hvis aksen ikke er spesifisert.

Vi kan bruke "Ndarray" -objektet levert av Numpy -modulen for å utføre operasjoner på en rekke dimensjoner. Ndarray er en N-dimensjonal matrise der N kan være et hvilket som helst tall. Som et resultat kan numpy matriser være av hvilken som helst størrelse. Sammenlignet med Python -lister, har Numpy mange fordeler. Numpy matriser kan brukes til å utføre høyytelsesoperasjoner som sorteringsmedlemmer, matematiske og logiske operasjoner, inngangs-/utgangsfunksjoner og statistiske og lineære algebraberegninger. I dette innlegget skal vi se på hvordan du bruker append (), concatenate () og innsat () -funksjoner for å legge til eller legge et enkelt element til en numpy matrise. La oss komme i gang.

Eksempel 1

I dette eksemplet bruker vi vedlegg for å legge til et element i Numpy -matrisen. Numpy -modulen i Python har en funksjon som heter Numpy.vedlegg () som lar deg legge til et element i en numpy matrise. Add () -funksjonen kan ta en numpy matrise og en enkelt verdi som parametere. Den returnerer en kopi av den passerte matrisen med den medfølgende verdien som er festet i stedet for å endre den eksisterende matrisen. Vurder koden nedenfor som et eksempel. Etter å ha importert Numpy, opprettet vi et heltall Numpy Array. Numpy.vedlegg () -funksjonen brukes deretter for å knytte et element helt til enden av en numpy matrise. Til slutt trykte vi både de originale og oppdaterte matriser.

Importer numpy som NP
myarr = np.Array ([22, 3, 4, 7, 1])
n_arr = np.vedlegg (Myarr, 5)
trykk ('Nyopprettet matrise er:', n_arr)
trykk ('Original matrise er:', Myarr)

Du kan se den nye og originale matrisen i vedlagte skjermbilde. Vedlegg () -funksjonen kopierte matrisen, og la deretter nummer 5 til slutten før den returnerte den.

Eksempel 2

Vi bruker concatenate -metoden for å legge elementet til numpy -matrisen. Numpy.Concatenate () er en metode i Python Numpy -modulen som blir med to eller flere matriser. Som lar oss legge til et enkelt element til en numpy matrise. Imidlertid må vi innkapsling av enkeltelementet i en sekvensdatastruktur, for eksempel en liste, og mate concatenate () -funksjonen en tuple av matrise og liste. Ta for eksempel en titt på denne koden.

Som du kan se i den tredje kodelinjen, kan du legge et element til slutten av en numpy matrise. Det opprettet en ny matrise med oppføringer fra matrisen pluss listesekvenser. Den endret ikke den originale matrisen, men returnerte i stedet en ny matrise med alt det originale Numpy Array's Content pluss en enkelt verdi vedlagt på slutten.

Importer numpy som NP
myarr = np.Array ([22, 3, 4, 7, 1])
n_arr = np.Concatenate ((Myarr, [5]))
trykk ('Nyopprettet matrise er:', n_arr)
trykk ('Original matrise er:', Myarr)

Det vedlagte skjermbildet viser de originale og nyopprettede matriser.

Eksempel 3

Insert () -metoden i Numpy kan også sette inn et element eller kolonne. Forskjellen mellom innsatsen () og vedlegg () -metodene er at insert () -funksjonen lar oss spesifisere indeksen vi ønsker å legge til et element, mens Appled () -metoden tilfører en verdi til slutten av matrisen. Tenk på følgende scenario. Her kan du se at Insert () -funksjonen ble kalt med tre argumenter: et numpy matrise, et indekspunkt og en verdi som skal legges til. Den genererte en kopi av Myarr med verdien av den angitte indeksposisjonen lagt til. Vi valgte matrisens størrelse som indeksposisjon siden vi forventet å legge til elementet på slutten av matrisen. Som et resultat ble verdien vedlagt til slutten av matrisen. Det er viktig å merke seg at den ikke endret den opprinnelige matrisen; I stedet returnerte den en kopi av Myarr med den medfølgende verdien vedlagt i den spesifiserte indeksen, i.e., På slutten av matrisen.

Importer numpy som NP
myarr = np.Array ([22, 3, 4, 7, 1])
n_arr = np.Sett inn (Myarr, 1, 90)
trykk ('Nyopprettet matrise er:', n_arr)
trykk ('Original matrise er:', Myarr)

Her kan du se den nyopprettede og den originale matrisen.

Konklusjon

En numpy matrise er en tuple av ikke-negative heltall og indekserer et rutenett av elementer av alle de samme typene. Arrayens rangering er antall dimensjoner; Formen er en tuple av tall som representerer matrisens størrelse og dimensjon. I dette innlegget dekket vi tre distinkte metoder for å legge til et enkelt element til slutten av en numpy matrise. Det er greit å jobbe med numpy matriser. Når du jobber med de fleste maskinlæringsrammer, er numpy matriser viktig. Som et resultat kan Numpy betraktes som inngangsporten til kunstig intelligens.