python中append實例用法總結(jié)
append()函數(shù)
描述:在列表ls最后(末尾)添加一個元素object
語法:ls.append(object) -> None 無返回值
例:
a=[1,2,3] a.append(5)
此時,運行結(jié)果為 [1, 2, 3, 5]
a=[1,2,3] a.append([5])
此時,運行結(jié)果為 [1, 2, 3, [5]]
結(jié)果不再為一個數(shù)組,而是list
用append生成多維數(shù)組:
import numpy as np
a=[]
for i in range(5):
a.append([])
for j in range(5):
a[i].append(i)
結(jié)果如下:
[[0, 0, 0, 0, 0], [1, 1, 1, 1, 1], [2, 2, 2, 2, 2], [3, 3, 3, 3, 3], [4, 4, 4, 4, 4]]
矩陣轉(zhuǎn)置函數(shù)transpose方法:
a=np.transpose(a)
結(jié)果如下:
([[0, 1, 2, 3, 4], [0, 1, 2, 3, 4], [0, 1, 2, 3, 4], [0, 1, 2, 3, 4], [0, 1, 2, 3, 4]])
數(shù)組合并操作:
h=np.arange(-2,2,1)
h.shape
k1=np.c_[h,h] #橫向合并函數(shù)1 np.c_,將數(shù)組轉(zhuǎn)化為列向量
k2=np.hstack((h,h)) #橫向合并函數(shù)2 np.hstack,將數(shù)組作為橫向量
print("k1="+str(k1))
print("k2="+str(k2))
l1=np.r_[[h],[h]] #縱向合并函數(shù)np.r_
l2=np.vstack((h,h)) #縱向合并函數(shù)np.vstack
print("l1="+str(l1))
print("l2="+str(l2))
結(jié)果如下:
k1=[[-2 -2] [-1 -1] [ 0 0] [ 1 1]] k2=[-2 -1 0 1 -2 -1 0 1] l1=[[-2 -1 0 1] [-2 -1 0 1]] l2=[[-2 -1 0 1] [-2 -1 0 1]]
內(nèi)容擴展:
描述:在列表ls最后(末尾)添加一個元素object
語法:ls.append(object) -> None 無返回值
object —— 要添加的元素。可以添加 列表,字典,元組,集合,字符串等。
程序示例:
ls1 = [1,2,3,4,5,6]
ls2 = [1,2,3,4,5,6]
ls1.append(12)
#可以添加列表,字典,元組,集合,字符串等
ls2.append([1,"a"]) #添加列表
ls2.append({2:"a",3:"hj"}) #添加字典
ls2.append((1,"k",3)) #添加元組
ls2.append({"1","2","h"}) #添加集合
ls2.append("123abc") #添加字符串
print(ls1.append(12)) #無返回值
print(ls1) #append()函數(shù)的操作對象是原列表。
print(ls2)
程序運行結(jié)果:
None
[1, 2, 3, 4, 5, 6, 12, 12]
[1, 2, 3, 4, 5, 6, [1, 'a'], {2: 'a', 3: 'hj'}, (1, 'k', 3), {'2', '1', 'h'}, '123abc']
相關(guān)文章
手把手教你如何用Pycharm2020.1.1配置遠程連接的詳細步驟
這篇文章主要介紹了如何用Pycharm2020.1.1配置遠程連接,分步驟給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友參考下吧2020-08-08
TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法
這篇文章主要介紹了TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2020-04-04

