python中append實(shí)例用法總結(jié)
更新時(shí)間：2019年07月30日 15:49:45 作者：angryTom
在本篇文章中小編給各位分享的是關(guān)于python中append實(shí)例用法以及相關(guān)知識(shí)點(diǎn)，需要的朋友們可以學(xué)習(xí)下。
append()函數(shù)
描述：在列表ls最后(末尾)添加一個(gè)元素object
語(yǔ)法：ls.append(object) -> None 無(wú)返回值
例：
a=[1,2,3] a.append(5)
此時(shí)，運(yùn)行結(jié)果為 [1, 2, 3, 5]
a=[1,2,3] a.append([5])
此時(shí)，運(yùn)行結(jié)果為 [1, 2, 3, [5]]
結(jié)果不再為一個(gè)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(kuò)展：
描述：在列表ls最后(末尾)添加一個(gè)元素object
語(yǔ)法：ls.append(object) -> None 無(wú)返回值
object —— 要添加的元素?？梢蕴砑?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(wú)返回值
print(ls1) #append()函數(shù)的操作對(duì)象是原列表。
print(ls2)
程序運(yùn)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(yuǎn)程連接的詳細(xì)步驟
這篇文章主要介紹了如何用Pycharm2020.1.1配置遠(yuǎn)程連接，分步驟給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友參考下吧2020-08-08
PyMySQL?遵循?Python?數(shù)據(jù)庫(kù)?API?v2.0?規(guī)范，并包含了?pure-Python?MySQL?客戶端庫(kù)，這篇文章主要介紹了Spring?DI依賴注入詳解,需要的朋友可以參考下2022-11-11
Tensorflow?2.1完成對(duì)MPG回歸預(yù)測(cè)詳解
這篇文章主要為大家介紹了Tensorflow?2.1完成對(duì)MPG回歸預(yù)測(cè)詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-11-11
這篇文章主要介紹了Python編譯過(guò)程和執(zhí)行原理解析,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2023-07-07
這篇文章主要介紹了Python中的Classes和Metaclasses詳解,屬于基礎(chǔ)知識(shí)中類與對(duì)象的概念部分的深入,需要的朋友可以參考下2015-04-04
今天小編就為大家分享一篇TensorFlow2.0:張量的合并與分割實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-01-01
這篇文章主要介紹了Python數(shù)據(jù)庫(kù)小程序源代碼，非常不錯(cuò)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-09-09
Flask是一個(gè)使用 Python 編寫(xiě)的輕量級(jí) Web 應(yīng)用框架。其 WSGI 工具箱采用 Werkzeug ，模板引擎則使用 Jinja2 。Flask使用 BSD 授權(quán)。Flask也被稱為 “microframework” ，因?yàn)樗褂煤?jiǎn)單的核心，用 extension 增加其他功能，F(xiàn)lask中Cookie和Session有什么區(qū)別呢2022-10-10
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(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04
在本篇文章里小編給大家整理的是一篇關(guān)于python聚類算法選擇方法實(shí)例，有需要的朋友們可以學(xué)習(xí)參考下。2021-07-07