将连续行追加到Python数据帧

我想创建一个二维numpy数组

我试过这个：

import numpy as np

result = np.empty
np.append(result, [1, 2, 3])
np.append(result, [4, 5, 9])

print(result.item((1, 2)))

1.数组的尺寸为：

（2,3）

。我怎样才能得到它们

我试过：

print(np.shape(result))
print(np.size(result))

但这表明：

()
1

2.如何访问数组中的特定元素

我试过这个：

import numpy as np

result = np.empty
np.append(result, [1, 2, 3])
np.append(result, [4, 5, 9])

print(result.item((1, 2)))

但这也带来了：

Traceback (most recent call last):
  File "python", line 10, in <module>
AttributeError: 'builtin_function_or_method' object has no attribute 'item'

回溯（最近一次呼叫最后一次）：
文件“python”，第10行，在
AttributeError:“内置函数”或“方法”对象没有属性“项”

这不是使用

numpy

数组的好方法。是一个函数，例如，返回新数组，但忽略返回值

要创建二维阵列，请使用以下命令：

In [3]: result = np.array([[1, 2, 3], [4, 5, 9]])

要找到它的形状：

In [4]: result.shape
Out[4]: (2, 3)

要访问特定元素，请执行以下操作：

In [5]: result[1][2]
Out[5]: 9

---

这不是使用

numpy

数组的方式。是一个函数，例如，返回新数组，但忽略返回值

要创建二维阵列，请使用以下命令：

In [3]: result = np.array([[1, 2, 3], [4, 5, 9]])

要找到它的形状：

In [4]: result.shape
Out[4]: (2, 3)

要访问特定元素，请执行以下操作：

In [5]: result[1][2]
Out[5]: 9

---

理想情况下，您应该在交互式会话中测试这类代码，在该会话中，您可以轻松获得有关步骤的更多信息。我将在

ipython

中进行说明

In [1]: result = np.empty
In [2]: result
Out[2]: <function numpy.core.multiarray.empty>

append

创建了一个数组，但请查看内容-函数和3个数字。以及

dtype

。另外，

np.append

返回一个结果。它不能在适当的地方工作

In [4]: result.item((1,2))
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-4-51f2b4be4f43> in <module>()
----> 1 result.item((1,2))

AttributeError: 'builtin_function_or_method' object has no attribute 'item'

在这种情况下，

np.shape

和

np.size

的函数版本不是诊断性的，因为它们首先将

result

转换为数组<代码>结果。形状会给出错误

潜在的问题是您使用的是列表模型

result = []
result.append([1,2,3])
result.append([4,5,6])

但是数组

append

命名错误，使用不当。它只是

np.concatenate

的前端。如果您不理解

连接

，您可能不会正确使用

np.append。事实上，我认为您根本不应该使用
np.append


使用append的正确方法是从尺寸为0维的数组开始，然后重用结果：

In [7]: result = np.empty((0,3),int)
In [8]: result
Out[8]: array([], shape=(0, 3), dtype=int32)
In [9]: result = np.append(result,[1,2,3])
In [10]: result
Out[10]: array([1, 2, 3])
In [11]: result = np.append(result,[4,5,6])
In [12]: result
Out[12]: array([1, 2, 3, 4, 5, 6])

但也许那不是你想要的？甚至我也在滥用
append

回到绘图板：

In [15]: result = []
In [16]: result.append([1,2,3])
In [17]: result.append([4,5,6])
In [18]: result
Out[18]: [[1, 2, 3], [4, 5, 6]]
In [19]: result = np.array(result)
In [20]: result
Out[20]: 
array([[1, 2, 3],
       [4, 5, 6]])

对于真正的数组，您的
项
表达式可以工作，尽管我们通常使用
[]
索引：

In [21]: result[1,2]
Out[21]: 6
In [22]: result.item((1,2))
Out[22]: 6


np.append
（注意
np.concatenate
的用法）的源代码：

理想情况下，您应该在交互式会话中测试这类代码，在该会话中，您可以轻松获得有关步骤的更多信息。我将在
ipython
中进行说明

In [1]: result = np.empty
In [2]: result
Out[2]: <function numpy.core.multiarray.empty>

append
创建了一个数组，但请查看内容-函数和3个数字。以及
dtype
。另外，
np.append
返回一个结果。它不能在适当的地方工作

In [4]: result.item((1,2))
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-4-51f2b4be4f43> in <module>()
----> 1 result.item((1,2))

AttributeError: 'builtin_function_or_method' object has no attribute 'item'

在这种情况下，
np.shape
和
np.size
的函数版本不是诊断性的，因为它们首先将
result
转换为数组<代码>结果。形状

会给出错误

潜在的问题是您使用的是列表模型

result = []
result.append([1,2,3])
result.append([4,5,6])

但是数组

append

命名错误，使用不当。它只是

np.concatenate

的前端。如果您不理解

连接

，您可能不会正确使用

np.append。事实上，我认为您根本不应该使用
np.append


使用append的正确方法是从尺寸为0维的数组开始，然后重用结果：

In [7]: result = np.empty((0,3),int)
In [8]: result
Out[8]: array([], shape=(0, 3), dtype=int32)
In [9]: result = np.append(result,[1,2,3])
In [10]: result
Out[10]: array([1, 2, 3])
In [11]: result = np.append(result,[4,5,6])
In [12]: result
Out[12]: array([1, 2, 3, 4, 5, 6])

但也许那不是你想要的？甚至我也在滥用
append

回到绘图板：

In [15]: result = []
In [16]: result.append([1,2,3])
In [17]: result.append([4,5,6])
In [18]: result
Out[18]: [[1, 2, 3], [4, 5, 6]]
In [19]: result = np.array(result)
In [20]: result
Out[20]: 
array([[1, 2, 3],
       [4, 5, 6]])

对于真正的数组，您的
项
表达式可以工作，尽管我们通常使用
[]
索引：

In [21]: result[1,2]
Out[21]: 6
In [22]: result.item((1,2))
Out[22]: 6


np.append
（注意
np.concatenate
的用法）的源代码：