• Ir al contenido principal
  • Skip to secondary menu
  • Ir a la barra lateral primaria
  • Ir al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Noticias
    • Opinión
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Boletín
  • Contacto
  • Acerca de Analytics Lane
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • GearBest
      • GeekBuying
      • JoyBuy

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Julia
  • JavaScript
  • Herramientas
  • Opinión
  • Noticias

Numpy básico: como añadir elementos en arrays de Numpy con np.append()

noviembre 27, 2019 Por Daniel Rodríguez Dejar un comentario
Tiempo de lectura: 3 minutos

np.append() es uno de los métodos básicos de Numpy, con el que es posible agregar nuevos elementos al final de los arrays de Numpy. A pesar de se un método básico tiene múltiples opciones y usos que es importante conocer. En esta entrada se va a ver como añadir elementos en arrays de Numpy con np.append().

El método np.append()

El método que ofrece el módulo Numpy de Python para agregar elementos al final de un array es np.append(). Un método que tiene la siguiente forma:

np.append(arr, values, axis=None)

en donde

  • arr: es un array de Numpy.
  • values: son los valores que se agregan al final del array que se pasa en el parámetro anterior. Este elemento puede ser también un array de Numpy.
  • axis: es el eje opcional en el que se agregan los valores.

Es importante saber que el método no modifica el array original, sino que crea una copia a la que le agrega los nuevos valores.

Por otro lado, sin no se indica un valor para axis y arr es un matriz el objeto se aplanará antes de agregar los nuevos elementos. Siendo las posibles opciones de este parámetro:

  • 0: los valores se agregarán en el eje 0, es decir, se agregará nuevas filas.
  • 1: los valores se agregarán en el eje 1, es decir, se agregará nuevas columnas.

Agregar elementos al final de arrays de Numpy

El modo básico de utilizar np.append() es simplemente agregar un elemento al final de un array. Un elemento que puede ser un escalar

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
np.append(arr, 10)
array([ 1,  2,  3,  4,  5, 10])

O también se puede agregar otro array.

np.append(arr, [11, 12])
array([ 1,  2,  3,  4,  5, 11, 12])

En este último ejemplo se puede observar como el vector original no se modificó, ya que no aparece el elemento 10 en el segundo caso.

Agregar elementos en matrices

Además de con arrays el método np.append() también se puede emplear en matrices. Como se ha comentado anteriormente es necesario indicar mediante la propiedad axis si los nuevos elementos se agregan por filas o columnas. En el caso de que no se indique el parámetro la matriz de aplanara antes de agregar los elementos, obteniéndose como resultado un array. Esto es lo que se puede ver en el siguiente ejemplo:

mat = np.array([[1, 2, 3],[4, 5, 6]])
np.append(mat, [11, 12])
array([ 1,  2,  3,  4,  5,  6, 11, 12])

Si se quiere agregar una nueva fila el segundo elemento tiene que ser una matriz con el mismo número de columnas que la original. Además, es necesario asignar el valor 0 al parámetro axis.

np.append(mat, [[11, 12, 13]], axis=0)
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [11, 12, 13]])

Por otro lado, para agregar una nueva columna el método funciona exactamente igual. Los valores que se agregan tienen que venir en una matriz con el mismo número de filas que la original y se tiene que asignar el valor 1 al parámetro axis.

np.append(mat, [[11], [12]], axis=1)
array([[ 1,  2,  3, 11],
       [ 4,  5,  6, 12]])

Conclusiones

En esta entrada se ha visto cómo añadir elementos en arrays de Numpy con np.append(). Un método básico pero que es importante conocer en profundidad ya que posiblemente sea uno de los más utilizados de Numpy.

Imágenes: Pixabay (Marit Welker)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 1 / 5. Votos emitidos: 1

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Contenido relacionado

Archivado en:Python Etiquetado con:numpy

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Publicidad


Barra lateral primaria

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

¡Síguenos en redes sociales!

  • facebook
  • instagram
  • pinterest
  • tumblr
  • twitter
  • youtube
  • github
  • telegram
  • rss

Publicidad

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Entradas recientes

Epsilon-Greedy con decaimiento para un problema Bandido Multibrazo (Multi-Armed Bandit)

marzo 5, 2021 Por Daniel Rodríguez Dejar un comentario

Diferencias entre library() y require() en R

marzo 3, 2021 Por Daniel Rodríguez Dejar un comentario

Noticias

Disponible la versión 1.20.0 de NumPy

marzo 2, 2021 Por Daniel Rodríguez Dejar un comentario

Publicidad

Es tendencia

  • Unir y combinar dataframes con pandas en Python bajo Python
  • Seleccionar filas y columnas en Pandas con iloc y loc bajo Python
  • Epsilon-Greedy con decaimiento para un problema Bandido Multibrazo (Multi-Armed Bandit) bajo Ciencia de datos
  • ¿Cómo eliminar columnas y filas en un dataframe pandas? bajo Python
  • Codificación JSON Archivos JSON con Python: lectura y escritura bajo Python

Publicidad

Lo mejor valorado

5 (5)

Diferencias entre var y let en JavaScript

5 (6)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

5 (5)

Archivos JSON con Python: lectura y escritura

4.8 (6)

Seleccionar filas y columnas en Pandas con iloc y loc

4.2 (5)

Guardar y leer archivos Excel en Python

Publicidad

Comentarios recientes

  • egilda en Visualización de datos en Python con Seaborn
  • Sergio en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • javier en Uso de las f-string de Python para mejorar el formato de textos
  • Daniel Rodríguez en Guardar y leer archivos Excel en Python
  • franklin Chiluisa en Guardar y leer archivos Excel en Python

Publicidad

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Lo más popular
  • Tienda

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Tiendas Afiliadas

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • Geekbuying
  • JoyBuy

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

2018-2021 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto