Каков самый простой способ расширить массив numpy в 2-х измерениях?

У меня есть 2d-массив, который выглядит так:

XX xx 

Каков наиболее эффективный способ добавления дополнительной строки и столбца:

 xxy xxy yyy 

Для бонусных очков я хотел бы также иметь возможность выбивать отдельные строки и столбцы, так, например, в приведенной ниже матрице я хотел бы иметь возможность выбивать все а, оставляя только х, – в частности, я пытаясь удалить n-ю строку и n-й столбец в одно и то же время – и я хочу сделать это как можно быстрее:

 xxaxx xxaxx aaaaa xxaxx xxaxx 

  • Как сделать пометку POS с помощью тегатора NLTK POS в Python?
  • Любые ошибки с использованием unicode_literals в Python 2.6?
  • Установка virtualenvwrapper в Windows
  • Получение пользовательского ввода при запуске скрипта python в атоме
  • Круглый поплавок до x десятичных знаков?
  • Как создать тестовый вывод html unit в Python?
  • Python warnings.warn () против logging.warning ()
  • Неподдерживаемый флаг командной строки: -ignore-certificate-errors
  • 7 Solutions collect form web for “Каков самый простой способ расширить массив numpy в 2-х измерениях?”

    Самый короткий из строк кода, о котором я могу думать, – это первый вопрос.

     >>> import numpy as np >>> p = np.array([[1,2],[3,4]]) >>> p = np.append(p, [[5,6]], 0) >>> p = np.append(p, [[7],[8],[9]],1) >>> p array([[1, 2, 7], [3, 4, 8], [5, 6, 9]]) 

    И второй вопрос

      p = np.array(range(20)) >>> p.shape = (4,5) >>> p array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]) >>> n = 2 >>> p = np.append(p[:n],p[n+1:],0) >>> p = np.append(p[...,:n],p[...,n+1:],1) >>> p array([[ 0, 1, 3, 4], [ 5, 6, 8, 9], [15, 16, 18, 19]]) 

    Полезным альтернативным ответом на первый вопрос, используя примеры из ответа Tomeedee , было бы использовать методы vstack numpy и column_stack :

    Учитывая матрицу p,

     >>> import numpy as np >>> p = np.array([ [1,2] , [3,4] ]) 

    увеличенная матрица может быть сгенерирована:

     >>> p = np.vstack( [ p , [5 , 6] ] ) >>> p = np.column_stack( [ p , [ 7 , 8 , 9 ] ] ) >>> p array([[1, 2, 7], [3, 4, 8], [5, 6, 9]]) 

    Эти методы могут быть удобны на практике, чем np.append (), поскольку они позволяют добавлять 1D массивы к матрице без каких-либо изменений, в отличие от следующего сценария:

     >>> p = np.array([ [ 1 , 2 ] , [ 3 , 4 ] , [ 5 , 6 ] ] ) >>> p = np.append( p , [ 7 , 8 , 9 ] , 1 ) Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/usr/lib/python2.6/dist-packages/numpy/lib/function_base.py", line 3234, in append return concatenate((arr, values), axis=axis) ValueError: arrays must have same number of dimensions 

    В ответ на второй вопрос хорошим способом удаления строк и столбцов является использование индексации логического массива следующим образом:

    Учитывая матрицу p,

     >>> p = np.arange( 20 ).reshape( ( 4 , 5 ) ) 

    предположим, что мы хотим удалить строки 1 и столбец 2:

     >>> r , c = 1 , 2 >>> p = p [ np.arange( p.shape[0] ) != r , : ] >>> p = p [ : , np.arange( p.shape[1] ) != c ] >>> p array([[ 0, 1, 3, 4], [10, 11, 13, 14], [15, 16, 18, 19]]) 

    Примечание. Для реформированных пользователей Matlab – если вы хотите сделать это в однострочном пространстве, вам нужно дважды индексировать:

     >>> p = np.arange( 20 ).reshape( ( 4 , 5 ) ) >>> p = p [ np.arange( p.shape[0] ) != r , : ] [ : , np.arange( p.shape[1] ) != c ] 

    Этот метод также можно расширить, чтобы удалить наборы строк и столбцов, поэтому, если мы хотим удалить строки 0 и 2 и столбцы 1, 2 и 3, мы могли бы использовать функцию setdiff1d numpy для генерации желаемого логического индекса:

     >>> p = np.arange( 20 ).reshape( ( 4 , 5 ) ) >>> r = [ 0 , 2 ] >>> c = [ 1 , 2 , 3 ] >>> p = p [ np.setdiff1d( np.arange( p.shape[0] ), r ) , : ] >>> p = p [ : , np.setdiff1d( np.arange( p.shape[1] ) , c ) ] >>> p array([[ 5, 9], [15, 19]]) 

    Другим элегантным решением первого вопроса может быть команда insert :

     p = np.array([[1,2],[3,4]]) p = np.insert(p, 2, values=0, axis=1) # insert values before column 2 

    Приводит к:

     array([[1, 2, 0], [3, 4, 0]]) 

    insert может быть медленнее, чем append но позволяет легко заполнить всю строку / столбец одним значением.

    Что касается второго вопроса , то ранее было предложено delete :

     p = np.delete(p, 2, axis=1) 

    Что снова восстанавливает исходный массив:

     array([[1, 2], [3, 4]]) 

    Мне гораздо легче «растягивать», назначая в большей матрице. Например

     import numpy as np p = np.array([[1,2], [3,4]]) g = np.array(range(20)) g.shape = (4,5) g[0:2, 0:2] = p 

    Вот массивы:

    p

      array([[1, 2], [3, 4]]) 

    g :

     array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]) 

    и результат g после назначения:

      array([[ 1, 2, 2, 3, 4], [ 3, 4, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]) 

    Ответ на первый вопрос:

    Используйте numpy.append.

    http://docs.scipy.org/doc/numpy/reference/generated/numpy.append.html#numpy.append

    Ответьте на второй вопрос:

    Использовать numpy.delete

    http://docs.scipy.org/doc/numpy/reference/generated/numpy.delete.html

    Вы можете использовать:

     >>> np.concatenate([array1, array2, ...]) 

    например

     >>> import numpy as np >>> a = [[1, 2, 3],[10, 20, 30]] >>> b = [[100,200,300]] >>> a = np.array(a) # not necessary, but numpy objects prefered to built-in >>> b = np.array(b) # "^ >>> a array([[ 1, 2, 3], [10, 20, 30]]) >>> b array([[100, 200, 300]]) >>> c = np.concatenate([a,b]) >>> c array([[ 1, 2, 3], [ 10, 20, 30], [100, 200, 300]]) >>> print c [[ 1 2 3] [ 10 20 30] [100 200 300]] 

    ~ – + – ~ – + – ~ – + – ~

    Иногда вы сталкиваетесь с проблемой, если объект numpy array инициализирован с неполными значениями для его свойства формы. Эта проблема исправлена ​​путем присвоения свойству shape кортежа: (array_length, element_length).

    Примечание. Здесь «array_length» и «element_length» являются целыми параметрами, которые вы подставляете значения для. «Кортеж» – это всего лишь пара чисел в круглых скобках.

    например

     >>> import numpy as np >>> a = np.array([[1,2,3],[10,20,30]]) >>> b = np.array([100,200,300]) # initialize b with incorrect dimensions >>> a.shape (2, 3) >>> b.shape (3,) >>> c = np.concatenate([a,b]) Traceback (most recent call last): File "<pyshell#191>", line 1, in <module> c = np.concatenate([a,b]) ValueError: all the input arrays must have same number of dimensions >>> b.shape = (1,3) >>> c = np.concatenate([a,b]) >>> c array([[ 1, 2, 3], [ 10, 20, 30], [100, 200, 300]]) 

    может быть, вам это нужно.

     >>> x = np.array([11,22]) >>> y = np.array([18,7,6]) >>> z = np.array([1,3,5]) >>> np.concatenate((x,y,z)) array([11, 22, 18, 7, 6, 1, 3, 5]) 
    Interesting Posts

    Как проверить свою реализацию кодов LT?

    Вставка виджета tkinter Treeview

    Помещение отдельных пакетов python в одно и то же пространство имен?

    Разбор html-данных в список python для манипуляции

    Python: возвращает 2 ints для индекса в 2D-списках данного элемента

    Как мы можем использовать открытые API-интерфейсы MS-коммуникатора в python, возможно ли это?

    Python Try-Except внутри функции

    Как Django знает порядок для визуализации полей формы?

    Как читать заголовок с помощью pycurl

    конвертировать список разделенных строк в дерево / вложенный dict, используя python

    Если вы ищете быстрый способ найти многоугольник, то точка принадлежит Shapely

    Как я могу повысить эффективность цикла в Python?

    Счетные строки в строке

    Эффективное вычисление согласованного по границе среднего значения окрестности

    Как установить цветовой цикл по умолчанию для всех подзаговоров с помощью matplotlib?

    Python - лучший язык программирования в мире.