使用标准的Python数组，我可以执行以下操作：

arr = []
arr.append([1,2,3])
arr.append([4,5,6])
# arr is now [[1,3],[4,6]]

但是，我不能在numpy中做同样的事情。例如：

arr = np.array([])
arr = np.append(arr,np.array([1,3]))
arr = np.append(arr,np.array([4,6]))
# arr is now [1,3,4,6]

我也研究了vstack，但是在vstack空数组上使用时，得到：

ValueError: all the input array dimensions except for the concatenation axis must match exactly

那么，如何将新行追加到numpy中的空数组？

如何将行添加到numpy数组？

我有一个数组A：

A = array([[0,1,2],[0,2,0]])

如果X中每行的第一个元素满足特定条件，我希望从另一个数组X向该数组添加行。

Numpy数组没有像列表那样的“追加”方法，或者看起来。

如果A和X是列表，我只会这样做：

for i in X:
    if i[0] < 3:
        A.append(i)

是否有 numpythonic的 方法可以做到这一点？

谢谢，S ;-)

我在创建numpy数组的numpy数组时遇到问题。我将在一个循环中创建它：

a=np.array([])
while(...):
   ...
   b= //a numpy array generated
   a=np.append(a,b)
   ...

所需结果：

[[1,5,3],[9,10,1],...,[4,8,6]]

实际结果：

[1,3,9,1,... 4,6]

可能吗？我不知道数组的最终尺寸，因此无法使用固定尺寸对其进行初始化。

这个问题已经在这里有了答案：            >            How to normalize a NumPy array to within a certain range?                                    7个
我正在尝试将pandas或numpy数组从0缩放到一个未知的最大值,并将定义的数字替换为1.

我尝试的一种解决方案是将所需的定义数除以数组.

test = df['Temp'] / 33

该方法不能从0开始一直缩放,我一直在努力寻找解决该问题的更好的数学方法.

import numpy as np
T = np.array(df['Temp'])

然后将其缩放为[0,1]间隔：

def scale(A):
    return (A-np.min(A))/(np.max(A) - np.min(A))

T_scaled = scale(T)

然后将其转换到您想要的任何位置,例如至[55..100]

T2 = 55 + 45*T_scaled

我确信这也可以在Pandas内完成(但我不熟悉).也许您可以学习熊猫df.apply()