Numpy：numpy.append 以及与 numpy.concatente 的区别

最新推荐文章于 2024-07-03 17:56:03 发布

原创

最新推荐文章于 2024-07-03 17:56:03 发布 · 1.5k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习

本文通过示例介绍了在Python中使用numpy数组时遇到的常见错误，特别是`np.append`和`np.concatenate`的区别。错误1中，未指定axis导致元素被压缩成一维；错误2中，虽然调整了形状，但依然没有指定axis。正确的做法是在`np.append`中指定`axis=0`来添加新行。总结指出，`np.append`沿一个维度添加元素，而`np.concatenate`则要求相同维度的数组拼接，并需指定axis。

问题

报错：AttributeError: 'numpy.ndarray' object has no attribute 'append'

解决

列表中用 append 直接添加元素，但是 numpy 数组需要使用 numpy.append(arr,values,axis=None)

其中有两点需要注意，举例说明：
目标：在下面的数组中增加一行 「255， 255， 255】

[[100  88  77]
 [126 123 116]
 [ 31  27  23]
 [181 174 163]
 [219 213 210]]

代码：

import numpy as np

lst =[[100, 88, 77],
      [126, 123, 116],
      [31, 27, 23],
      [181, 174, 163],
      [219, 213, 210]]

value2append = [255, 255, 255]

print(f"lst:\n{