NumPy数组是一个称为ndarray的多维数组对象。 它由以下两部分组成
实际数据
描述这些数据的元数据
大多数操作仅涉及元数据，而基础实际数据保持不变。
关于NumPy数组，我有一些需要知道的事情。
NumPy数组的下标从0开始。
同一NumPy数组中所有元素的类型必须相同。
NumPy数组属性
在详细说明NumPy序列之前。 首先，我们将详细介绍NumPy数组的基本属性。 如下类推： NumPy数组的维称为“秩”，一维数组的秩为1，二维数组的秩为2。 在NumPy中，每个路线的数组称为“轴”，而排名实际上表示轴的数量。 例如，二维阵列对应于两个一维阵列，其中第一个一维阵列的各元素也是一维阵列。 因此，一维数组是NumPy中的轴(axes )，第一个轴对应于基数组，第二个轴对应于基数组的数组。 轴的数量为——个等级，是数组的维数。
NumPy数组中重要的ndarray对象的属性如下：
1.ndarray.ndim :数组的维数，即数组轴数，等于秩。 最常见的是二维数组(矩阵)。
2.ndarray.shape :数组的维。 整数元组，表示每个维中数组的大小。 例如，二维数组表示数组的“行数”和“列数”。 ndarray.shape返回元组。 此元组的长度是维数，即ndim属性。
3.ndarray.size :数组元素的总数等于shape属性的元组元素的乘积。
4.ndarray.dtype :表示数组中元素类型的对象。 可以使用标准Python类型创建或指定dtype。 也可以使用上一篇文章中介绍的NumPy提供的数据类型。
5.ndarray.itemsize :数组中每个元素的字节大小。 例如，元素类型为float64的数组itemsiz属性值为8(float64占用bits，每个字节长度为8，因此64/8占用8字节)，元素类型为complex32的数组item属性值为4 ) 32/8
6.ndarray.data :包含实际数组元素的缓冲区。 通常不需要使用此属性，因为通常从数组索引中检索元素。
排列的连接方法1
思路：首先将数组转换为列表，然后利用列表中的拼接函数append ()、extend () )等进行拼接处理，最后将列表转换为数组。
示例1 :
由于此方法仅适用于简单一维阵列拼接，且转换耗时，因此一般不推荐用于大量数据拼接。
排列的连接方法2
想法： numpy提供numpy.append(ARR，values，axis=None )函数。 参数化时，数组和数字中的任意两个数组，或者三个以上的数组不能直接用append连接。 append函数返回的始终是一维数组。
示例2 :
numpy数组没有动态调整大小的功能(numpy.append ) )函数每次都重新分配整个数组，并将原始数组复制到新数组中。
排列的连接方法3
想法： numpy提供numpy.concatenate((a1，a2，axis=0) )函数。 一次可以连接多个数组。 在此，a1、a2、是数组型的参数
示例3 :
比较numpy.append (和numpy.concatenate )两个函数的执行时间
示例4 :
可见，concatenate ()更高效，更适合大型数据拼接
总结
以上是本文numpy序列拼接的所有简单例子，希望对大家有帮助。 如果有不足的地方，请在评论中指出。 感谢朋友们对本站的支持！
原文链接： 3358 blog.csdn.net/zyl 1042635242/article/details/43162031