目錄一、問題描述：二、具體的實現(xiàn)：三、完整代碼：一、問題描述：

有一個shape為(308, 2)的二維數(shù)組，以及單獨的一個數(shù)字，需要保存到csv文件中，這個單獨的數(shù)字讓其保存到第3列第一行的位置。

二、具體的實現(xiàn)：

首先要想把一個(308, 2)的二維數(shù)組和一個數(shù)字給拼接起來，直接拼接沒辦法實現(xiàn)，因為行數(shù)和列數(shù)都不同的兩個ndarry是無法拼接的（此處按照目前我學的理解，是無法直接拼接的，如果可以的話，麻煩評論一下）。

然后我首先想到的解決方法就是先建一個(308,1)的二維數(shù)組，然后令這個二維數(shù)組的第一個元素設置成那個數(shù)字，然后進行拼接，保存。

為使數(shù)據(jù)可以顯示完全，以僅以3行數(shù)據(jù)為例：

>>> a = np.ones((3,2))>>> b = 0.2>>> _b = np.empty((3,1))>>> _b[0, 0] = b>>> c = np.c_[a, _b]>>> print(c)[[1.00000000e+000 1.00000000e+000 2.00000000e-001] [1.00000000e+000 1.00000000e+000 2.12199579e-313] [1.00000000e+000 1.00000000e+000 2.54639495e-313]]>>>

但是這樣，我把結果保存到文件時，第3列的除第一行，其他的行是有數(shù)據(jù)的，我不想讓它顯示數(shù)據(jù)。也就是empty這個函數(shù)只是創(chuàng)建一個未初始化的數(shù)組，實際上里面的數(shù)值都是垃圾值。

那么如何去實現(xiàn)視覺上沒有數(shù)據(jù)呢，其實利用空的字符串就可以了。

所以就通過np.ones設置dtype為str，此時生成的是元素都為空字符串的數(shù)組，（具體的原因還不清楚），然后此時若直接設置第一行的元素為某個值，是不行的，會自動變?yōu)椤?‘，只有在拼接之后，然后再給它賦值才可以，這個地方我不是很理解，但是結果是正確的。

三、完整代碼：

y_true = np.ones((3, 1), dtype=np.int)y_pred = np.ones((3, 1), dtype=np.int)y = np.c_[y_true, y_pred]accuracy = np.zeros(shape=(y_true.shape[0], 1), dtype=np.str)# 此時若設置accuracy[0, 0] = ’0.89’，最終accuracy[0, 0]存的是’0’，具體原因還不清楚res = np.c_[y, accuracy] # 先拼接起來res[0, 2] = ’0.89’ # 然后再設置就可以了res = pd.DataFrame(res, columns=[’y_true’, ’y_pred’, ’accuracy’])res.to_csv(’1.csv’) # 保存到文件中

從文件中讀取的時候，直接讀出來，空白的地方被賦值為nan

a = pd.read_csv(’1.csv’, usecols=(1, 2, 3))a = a.valuesprint(a, type(a), a.dtype)

關于np.nan需要注意的地方如下：

np.nan不是空對象。 對列表中的nan進行操作時不能用'==np.nan'來判斷。只能用np.isnan()來操作。 np.nan的數(shù)據(jù)類型是float。

import numpy as np np.nan == np.nanOut[3]: False aa = np.array([1,2,3,np.nan,np.nan,4,5,np.nan])aaOut[5]: array([ 1., 2., 3., nan, nan, 4., 5., nan]) aa[aa==np.nan] = 100 #錯誤方式aaOut[7]: array([ 1., 2., 3., nan, nan, 4., 5., nan]) aa[np.isnan(aa)] = 100 #對nan操作的正確方式aaOut[9]: array([ 1., 2., 3., 100., 100., 4., 5., 100.]) type(np.nan)Out[10]: float

關于參考：https://www.jb51.net/article/212249.htm

到此這篇關于淺談Python numpy創(chuàng)建空數(shù)組的問題的文章就介紹到這了,更多相關numpy創(chuàng)建空數(shù)組內容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網(wǎng)！