- NumPy 教程
- NumPy - 首页
- NumPy - 简介
- NumPy - 环境配置
- NumPy 数组
- NumPy - ndarray 对象
- NumPy - 数据类型
- NumPy 数组的创建和操作
- NumPy - 数组创建例程
- NumPy - 数组操作
- NumPy - 从现有数据创建数组
- NumPy - 从数值范围创建数组
- NumPy - 数组迭代
- NumPy - 数组重塑
- NumPy - 数组连接
- NumPy - 数组堆叠
- NumPy - 数组分割
- NumPy - 数组扁平化
- NumPy - 数组转置
- NumPy 索引和切片
- NumPy - 索引与切片
- NumPy - 高级索引
- NumPy 数组属性和操作
- NumPy - 数组属性
- NumPy - 数组形状
- NumPy - 数组大小
- NumPy - 数组步长
- NumPy - 数组元素大小
- NumPy - 广播
- NumPy - 算术运算
- NumPy - 数组加法
- NumPy - 数组减法
- NumPy - 数组乘法
- NumPy - 数组除法
- NumPy 高级数组运算
- NumPy - 交换数组轴
- NumPy - 字节交换
- NumPy - 复制与视图
- NumPy - 元素级数组比较
- NumPy - 数组过滤
- NumPy - 数组连接
- NumPy - 排序、搜索和计数函数
- NumPy - 数组搜索
- NumPy - 数组的并集
- NumPy - 查找唯一行
- NumPy - 创建日期时间数组
- NumPy - 二元运算符
- NumPy - 字符串函数
- NumPy - 数学函数
- NumPy - 统计函数
- NumPy - 矩阵库
- NumPy - 线性代数
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 绘制直方图
- NumPy - NumPy 的 I/O 操作
- NumPy 排序和高级操作
- NumPy - 数组排序
- NumPy - 沿轴排序
- NumPy - 使用花式索引排序
- NumPy - 结构化数组
- NumPy - 创建结构化数组
- NumPy - 操作结构化数组
- NumPy - 字段访问
- NumPy - 记录数组
- NumPy - 数组加载
- NumPy - 数组保存
- NumPy - 向数组追加值
- NumPy - 交换数组列
- NumPy - 向数组插入轴
- NumPy 处理缺失数据
- NumPy - 处理缺失数据
- NumPy - 识别缺失值
- NumPy - 删除缺失数据
- NumPy - 缺失数据插补
- NumPy 性能优化
- NumPy - 使用数组进行性能优化
- NumPy - 使用数组进行矢量化
- NumPy - 数组的内存布局
- NumPy 线性代数
- NumPy - 线性代数
- NumPy - 矩阵库
- NumPy - 矩阵加法
- NumPy - 矩阵减法
- NumPy - 矩阵乘法
- NumPy - 元素级矩阵运算
- NumPy - 点积
- NumPy - 矩阵求逆
- NumPy - 行列式计算
- NumPy - 特征值
- NumPy - 特征向量
- NumPy - 奇异值分解
- NumPy - 求解线性方程
- NumPy - 矩阵范数
- NumPy 元素级矩阵运算
- NumPy - 求和
- NumPy - 平均值
- NumPy - 中位数
- NumPy - 最小值
- NumPy - 最大值
- NumPy 集合运算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 并集
- NumPy - 差集
- NumPy 有用资源
- NumPy 编译器
- NumPy - 快速指南
- NumPy - 有用资源
- NumPy - 讨论
NumPy char.add() 函数
NumPy 的char.add()函数用于执行元素级的字符串连接。当我们提供两个字符串数组时,此函数通过返回一个新的连接字符串数组来组合每个数组中对应的元素。
如果输入数组的形状不同,则 NumPy 会根据广播规则将其广播到兼容的形状。此函数对于有效地操作和组合 NumPy 数组中的字符串数据非常有用。
语法
以下是 NumPy char.add() 函数的语法:
numpy.char.add(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature])
参数
以下是 NumPy char.add() 函数的参数:
x1, x2 (array_like) - 这些是要相加的输入数组。
out (可选) - 这是存放结果的输出数组。
where (array_like, 可选) - 这是一个布尔数组,指定应用条件的位置。
**kwargs - 参数如 casting、order、dtype、subok 是附加的关键字参数,可根据需要使用。
返回值
此函数返回包含 x1 和 x2 之和结果的数组。
示例 1
以下是 NumPy char.add() 函数的基本示例。在此示例中,我们对字符串进行元素级连接:
import numpy as np # Define two arrays of strings a = np.array(['Hello', 'Learners', ',']) b = np.array([' Welcome', ' Tutorialspoint !', 'to']) # Concatenate the strings element-wise result = np.char.add(a, b) print(result)
以下是 numpy.char.add() 函数基本示例的输出:
['Hello Welcome' 'Learners Tutorialspoint !' ',to']
示例 2
当与广播一起使用char.add() 函数时,只要它们可以广播到公共形状,我们就可以连接不同形状的数组。以下是一个示例:
import numpy as np # Define a 1D array of strings a = np.array(['Hello', 'Goodbye']) # Define a 2D array of strings b = np.array(['!', '!!!']) # Broadcasting the 1D array with the 2D array and concatenating result = np.char.add(a[:, np.newaxis], b) print(result)
以下是上述示例的输出:
[['Hello!' 'Hello!!!'] ['Goodbye!' 'Goodbye!!!']]
示例 3
这是一个另一个示例,它演示了使用char.add() 函数对字符串进行元素级连接的字符串连接:
import numpy as np
# Basic concatenation
print('Concatenate two strings:')
print(np.char.add(['hello'], [' xyz']))
print('\n')
# Example with multiple strings
print('Concatenation example:')
print(np.char.add(['hello', 'hi'], [' abc', ' xyz']))
以下是上述示例的输出:
Concatenate two strings: ['hello xyz'] Concatenation example: ['hello abc' 'hi xyz']
numpy_string_functions.htm
广告