python二维数组中添加数据

在 Python 中，二维数组可以使用嵌套列表（即列表中包含列表）来表示。你可以使用 append() 方法向二维数组中添加数据。以下是一个示例：

# 创建一个空的二维数组
my_array = []

# 向二维数组中添加一行数据
row1 = [1, 2, 3]
my_array.append(row1)

# 向二维数组中添加另一行数据
row2 = [4, 5, 6]
my_array.append(row2)

# 打印二维数组
print(my_array)

输出：

[[1, 2, 3], [4, 5, 6]]

在上面的示例中，我们首先创建一个空的二维数组 `my_array`。然后，我们创建两个列表 `row1` 和 `row2`，并将它们分别添加到二维数组中。最后，我们打印二维数组来验证它是否包含了我们添加的数据。

相关问题

Python二维数组

Python中的二维数组主要有两种表示方式，即列表（list）和NumPy数组（numpy.array）。列表是Python内置的数据结构，可以包含任意类型的元素，包括另一个列表。而NumPy数组是一个多维数组对象，提供了高效的数值运算和操作。

对于二维数组的添加操作，可以使用索引的方式来指定要修改的元素位置。例如，假设我们有一个名为matrix的二维数组，可以使用matrix[i][j] = value来将value赋值给第i行第j列的元素。另外，可以使用append()方法在数组的末尾添加一个新的行。例如，matrix.append([1, 1, 1])可以在matrix的末尾添加一行[1, 1, 1]。

下面是一个具体的示例代码：

matrix = [[0, 0, 0], [0, 0, 0], [0, 0, 0]]
i = 2
j = 2
matrix[i][j] = 9
matrix.append([1, 1, 1])
print(matrix)

输出结果为：

[[0, 0, 0], [0, 0, 0], [0, 0, 0], [1, 1, 1]]

请注意，上述代码中的matrix是一个列表，而不是NumPy数组。如果要使用NumPy数组来表示二维数组，在NumPy中可以使用numpy.array()函数创建一个多维数组对象。

python二维数组运用

### Python 中二维数组的用法和操作

#### 创建二维数组
在 Python 中，可以使用多种方法创建二维数组。最常用的是通过 `list` 或者 NumPy 库中的 `np.array()` 函数。

对于列表而言，可以通过嵌套列表来表示二维数组：

two_dim_list = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]

而利用 NumPy，则更加简洁高效[^4]:

import numpy as np

two_dim_array = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
])

#### 访问元素
访问二维数组中的单个元素可通过指定行列索引来完成:

element = two_dim_array[0][1]  # 获取第1行第2列的值
print(element)                 # 输出: 2

也可以采用另一种更直观的方式来进行索引:

element = two_dim_array[0, 1]  # 同样获取第1行第2列的值
print(element)                # 输出: 2

#### 修改元素
修改特定位置上的数值同样简单明了:

two_dim_array[0, 1] = 10      # 将原位置处的2替换为10
print(two_dim_array)

# 结果如下所示：
#[[ 1 10  3]
# [ 4  5  6]
# [ 7  8  9]]

#### 添加新行/列
要向现有二维数组添加新的行或列，可借助于 `vstack()` 和 `hstack()` 方法（垂直堆叠和平铺堆叠），或者直接追加到列表再转换成 ndarray 对象.

以下是增加一行的例子:

new_row = np.array([[10, 11, 12]])
updated_two_dim_array = np.vstack((two_dim_array, new_row))
print(updated_two_dim_array)

# 结果如下所示：
#[[ 1 10  3]
# [ 4  5  6]
# [ 7  8  9]
# [10 11 12]]

如果想要新增一列则可以用 hstack() :

new_column = np.array([[13], [14], [15], [16]])
updated_two_dim_array_with_col = np.hstack((updated_two_dim_array, new_column))
print(updated_two_dim_array_with_col)

# 结果如下所示：
#[[ 1 10  3 13]
# [ 4  5  6 14]
# [ 7  8  9 15]
# [10 11 12 16]]

#### 删除行/列
删除某一行或某一列的操作相对复杂一些，通常需要先找到目标维度对应的布尔掩码，之后应用该掩码过滤掉不需要的部分。

这里给出移除第二行的一个例子:

mask = np.ones(len(updated_two_dim_array), dtype=bool)
mask[1] = False               # 设置第二个元素为False
filtered_two_dim_array = updated_two_dim_array[mask]

print(filtered_two_dim_array)

# 结果如下所示：
#[[ 1 10  3]
# [ 7  8  9]
# [10 11 12]]

同样的逻辑适用于去除任意列的情况。

#### 转换形状
有时可能希望改变已有的多维数组结构而不影响其内部的数据分布，在这种情况下就可以考虑调用 reshape() 方法重设尺寸规格。

比如将上述三维矩阵降级回原始状态:

reshaped_to_original_shape = filtered_two_dim_array.reshape(-1, 3)
print(reshaped_to_original_shape)

# 结果如下所示：
#[[ 1 10  3]
# [ 7  8  9]
# [10 11 12]]