陣列拼接方法一
示例1：
>>> import numpy as np
>>> a=np.array([1,2,5])
>>> b=np.array([10,12,15])
>>> a_list=list(a)
>>> b_list=list(b)
>>> a_list.extend(b_list)
>>> a_list
[1, 2, 5, 10, 12, 15]
>>> a=np.array(a_list)
>>> a
array([ 1, 2, 5, 10, 12, 15])
該方法只適用於簡單的一維陣列拼接，由於轉換過程很耗時間，對於大量資料的拼接一般不建議使用。
陣列拼接方法二
示例2：
陣列拼接方法三
思路：numpy提供了numpy.concatenate((a1,a2,...), axis=0)函式。能夠一次完成多個陣列的拼接。其中a1,a2,...是陣列型別的引數
示例3：
>>> a=np.array([1,2,3])
>>> b=np.array([11,22,33])
>>> c=np.array([44,55,66])
>>> np.concatenate((a,b,c),axis=0) # 預設情況下，axis=0可以不寫
array([ 1, 2, 3, 11, 22, 33, 44, 55, 66]) #對於一維陣列拼接，axis的值不影響最後的結果
>>> a=np.array([[1,2,3],[4,5,6]])
>>> b=np.array([[11,21,31],[7,8,9]])
>>> np.concatenate((a,b),axis=0)
array([[ 1, 2, 3],
[ 4, 5, 6],
[11, 21, 31],
[ 7, 8, 9]])
>>> np.concatenate((a,b),axis=1) #axis=1表示對應行的陣列進行拼接
array([[ 1, 2, 3, 11, 21, 31],
[ 4, 5, 6, 7, 8, 9]])
示例4：
可知，concatenate()效率更高，適合大規模的資料拼接
Python Numpy陣列儲存
numpy提供了幾種資料儲存的方法。以3 4陣列a為例 這種方法只能儲存為二進位制檔案，且不能儲存當前資料的行列資訊，檔案字尾不一定非要是bin，也可以為txt，但不影響儲存格式，都是二進位制。這種儲存方法對資料讀取有要求，需要手動指定讀出來的資料的的dtype，如果指定的格式與儲存時的不一致，則讀...
Python Numpy陣列計算
1 numpy是高效能科學計算和資料分析的基礎包。它是pandas等其他各種工具的基礎。2 numpy的主要功能 3 安裝方法 pip install numpy 1 建立ndarray np.array 2 ndarray是多維陣列結構，與列表的區別是 3 常用屬性 4 常用方法 array.sh...
python numpy 陣列的切片
參考 對於一維陣列 來說，python原生的list和numpy的array的切片操作都是相同的。arr name start end step 是複製源的意思 對於二維陣列來說，對陣列操作規範是這樣的 arr name 行操作,列操作 舉個例子 in np.arrange 12 reshape 3...