pythonconcatenate

❶ python怎么让列表最后两个用和连接

python列表连接列表
In this tutorial, we will unveil different methods to concatenate lists in Python. Python Lists serve the purpose of storing homogeneous elements and perform manipulations on the same.
在本教程中，我们将揭示在Python中串联列表的不同方法。 Python列表用于存储同类元素并对其进行操作。
In general, Concatenation is the process of joining the elements of a particular data-structure in an end-to-end manner.
通常，串联是指以端到端的方式连接特定数据结构的元素的过程。
The following are the 6 ways to concatenate lists in Python.
以下是在Python中串联列表的6种方法。
concatenation (+) operator
串联（+）运算符
Naive Method
天真的方法
List Comprehension
清单理解
extend() method
extend（）方法
‘*’ operator
'*'运算符
itertools.chain() method
itertools.chain（）方法

❷ python脚本运行提示cannot concatenate 'str' and 'int' objects

#!/usr/bin/envpython
#coding=utf-8

"""
convertstrtoint
"""

from__future__importprint_function

importsys


defgetsum(m):
sum=0
foriinrange(1,m+1):
sum+=i
returnsum


if__name__=="__main__":
n=sys.argv[1]
print(getsum(int(n)))

sys.argv 确实是字符串，可以用 int() 转为整数。

❸ python的numpy中合并array

直接用实例说明：
In [1]: import numpy
In [2]: a = array([[1,2,3],[4,5,6]])
In [3]: b = array([[9,8,7],[6,5,4]])
In [4]: numpy.concatenate((a,b))
Out[4]:
array([[1, 2, 3],
[4, 5, 6],
[9, 8, 7],
[6, 5, 4]])

或者这么写
In [1]: a = array([1,2,3])
In [2]: b = array([4,5,6])
In [3]: numpy.vstack((a,b))
Out[3]:
array([[1, 2, 3],
[4, 5, 6]])

❹ 雷达图报错

labels下面加一行:
labels=np.concatenate((labels,[labels[0]]))

❺ Python学习之惰性求值

惰性求值，也就是延迟求值，表达式不会在它被绑定到变量之后就立即求值，而是等用到时再求值。这个特性可以解决一些巨大甚至无限的集合列表，如菲波那切数列、几十G的文件等等。延迟求值的一个好处是能够建立可计算的无限列表而没有妨碍计算的无限循环或大小问题。

Python中的很多方法没有直接返回列表，而是返回了一个可迭代的generator
(生成器)对象，这便是python的惰性求值，因为在创建一个很大的列表时，对内存的开销非常大，太大时python会直接报错，举个:chestnut:：range()方法是产生一个指定范围列表，在Python3之前，该方法直接产生一个列表，xrange()产生一个生成器：

>>>xrange(100)

xrange(100)

>>>range(100)

[0, 1, 2, 3,
4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21,
22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38,
39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55,
56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72,
73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89,
90, 91, 92, 93, 94, 95, 96, 97, 98, 99]

当参数里面的值足够大时，range()产生了一个巨大的列表，这是内存会吃不消，等待一段时间后程序会直接被Kill掉：

>>>foriinrange(999999999999):

...
printi

...

Killed:
9

占满内存

用xrange()方法就不回出现这种问题，并且可以一直运行：

>>>foriinxrange(999999999999):

...
printi

...

0

1

2

3

4

5

6

7

8

9

10...

在Python3中range已经被改为了xrange,所以在python3中可以放心使用range().

惰性求值不要求你事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代至某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁

还有前文所说的list comprehension语句,在两边放上[]，会产生别表，如果数据源很长则会报内存错误:

>>>
print [iforiinrange(9999999999999999)]

Python(1627,0x7fffe5b713c0)
malloc: *** mach_vm_map(size=80000000000000000) failed
(errorcode=3)

***error:
can't allocate region

***seta
breakpointinmalloc_error_breaktodebug

Traceback
(most recentcalllast):

File "",
line 1,in<</span>mole>

MemoryError

这样直接产生列表没有效率，为了创建生成器对象，可以在list
comprehension两边放上()，这样它就有了惰性求值的特性。

>>>
print((ifori
inrange(99999999999999)))

使用next()内建函数访问生成器里的元素：

num =
(iforiinrange(5))

>>>
num

>>>>
next(num)

0

>>>
next(num)

1

>>>
for j in range(4):

...
print(next(num))

...

2

3

4

Traceback
(most recent call last):

File "",
line 2,in<</span>mole>

StopIteration

当访问到最后元素时，再调用next(),Python将会抛出StopIteration异常。Python正是根据是否检查到这个异常来决定是否停止迭代。

step1 =
someLongOperation1()step2 = someLongOperation2()step3 =
concatenate(step1, step2)

以上代码需要分别执行一二两步操作，第三步用到一二两步的结果，在Pyhton中会有序的执行这些函数：首先是someLongOperation1，然后someLongOperation2，最后concatenate，如果确保没有函数修改或依赖于全局变量，第一二步可以被并行执行。假设我们不想并行运行这两个函数，我们只在其他函数依赖于step1和step2时才需要执行这两个函数。我们甚至在concatenate调用之前都不必执行他们，可以把他们的求值延迟到concatenate函数内实际用到他们的位置。如果函数中用到了if分支语句，条件无关step1和step2则可以尽量将判断条件放前面以减少不必要的计算：

step1 =
someLongOperation1()

step2 =
someLongOperation2()ifcondition:

step3 =
concatenate(step1, step2)

换为：ifcondition:

step1 =
someLongOperation1()

step2 =
someLongOperation2()

step3 =
concatenate(step1, step2)

如果concatenate是一个带有条件分支的函数并且有的分支中只用了两个参数中的一个，另一个参数就永远没有必要被求值。

❻ Python基础 numpy中的常见函数有哪些

有些Python小白对numpy中的常见函数不太了解，今天小编就整理出来分享给大家。

Numpy是Python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。其实，list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。

数组常用函数
1.where()按条件返回数组的索引值
2.take(a,index)从数组a中按照索引index取值
3.linspace(a,b,N)返回一个在(a,b)范围内均匀分布的数组，元素个数为N个
4.a.fill()将数组的所有元素以指定的值填充
5.diff(a)返回数组a相邻元素的差值构成的数组
6.sign(a)返回数组a的每个元素的正负符号
7.piecewise(a,[condlist],[funclist])数组a根据布尔型条件condlist返回对应元素结果
8.a.argmax(),a.argmin()返回a最大、最小元素的索引

改变数组维度
a.ravel(),a.flatten():将数组a展平成一维数组
a.shape=(m,n),a.reshape(m,n):将数组a转换成m*n维数组
a.transpose,a.T转置数组a

数组组合
1.hstack((a,b)),concatenate((a,b),axis=1)将数组a,b沿水平方向组合
2.vstack((a,b)),concatenate((a,b),axis=0)将数组a,b沿竖直方向组合
3.row_stack((a,b))将数组a,b按行方向组合
4.column_stack((a,b))将数组a,b按列方向组合

数组分割
1.split(a,n,axis=0),vsplit(a,n)将数组a沿垂直方向分割成n个数组
2.split(a,n,axis=1),hsplit(a,n)将数组a沿水平方向分割成n个数组

数组修剪和压缩
1.a.clip(m,n)设置数组a的范围为(m,n),数组中大于n的元素设定为n,小于m的元素设定为m
2.a.compress()返回根据给定条件筛选后的数组

数组属性
1.a.dtype数组a的数据类型
2.a.shape数组a的维度
3.a.ndim数组a的维数
4.a.size数组a所含元素的总个数
5.a.itemsize数组a的元素在内存中所占的字节数
6.a.nbytes整个数组a所占的内存空间7.a.astype(int)转换a数组的类型为int型

数组计算
1.average(a,weights=v)对数组a以权重v进行加权平均
2.mean(a),max(a),min(a),middle(a),var(a),std(a)数组a的均值、最大值、最小值、中位数、方差、标准差
3.a.prod()数组a的所有元素的乘积
4.a.cumprod()数组a的元素的累积乘积
5.cov(a,b),corrcoef(a,b)数组a和b的协方差、相关系数
6.a.diagonal()查看矩阵a对角线上的元素7.a.trace()计算矩阵a的迹，即对角线元素之和

以上就是numpy中的常见函数。更多Python学习推荐:PyThon学习网教学中心。

❼ python程序问题（TypeError: cannot concatenate 'str' and 'int' objects）

Python allow to concatenate strings by '+', but here, your p is an integer.

So, to solve it, you can use either of these:

1. print 'Is your secret number " + str(p) + "?"
2. print 'Is your secret number %d?"%p
(for multiple integers, you can '%d %d %d'%(num1, num2, num3)
3. print 'Is your secret number {0}?".format(p)

I personally like the second one best. It's more of c style, doesn't it?

❽ Python如何重叠图片

from PIL import Image
import math
import os
os.chdir('图片地址路径')
img_A = Image.open('A图片') #读取图片A
for i in [图片名]：
img_temp = Image.open(i') #依次读取其它图片
final_img = Image.blend(img_A, img_temp, 0.5)
final_img.save('路径\新的图片名')