在numpy中将单个元素添加到数组

Posted 2023-02-23

【中文标题】在numpy中将单个元素添加到数组

【英文标题】：Add single element to array in numpy

【发布时间】：2011-11-12 01:38:17

【问题描述】：

我有一个 numpy 数组，其中包含：

[1, 2, 3]

我想创建一个数组，其中包含：

[1, 2, 3, 1]

也就是说，我想将第一个元素添加到数组的末尾。

我已经尝试了明显的：

np.concatenate((a, a[0]))

但我收到一条错误消息，提示 ValueError: arrays must have same number of dimensions

我不明白 - 数组都只是一维数组。

【问题讨论】：

np.insert([1,2,3], 3, 1)

【参考方案1】：

a[0] 不是数组，它是a 的第一个元素，因此没有维度。

尝试改用a[0:1]，这将返回单个项目数组中a 的第一个元素。

【参考方案2】：

试试这个：

np.concatenate((a, np.array([a[0]])))

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

concatenate 需要两个元素都是 numpy 数组；但是， a[0] 不是数组。这就是它不起作用的原因。

【讨论】：

或者，更简单的np.concatenate((a, [a[0]]))。无论如何，列表都会自动升级为数组类型，从而节省您的输入时间。

【参考方案3】：

append() 创建一个新数组，该数组可以是带有附加元素的旧数组。

我认为使用正确的方法添加元素更正常：

a = numpy.append(a, a[0])

【讨论】：

此命令不会改变a 数组。但是，它返回一个新的修改数组。因此，如果需要修改a，则必须使用a = numpy.append(a,a[0])。

np.append 使用np.concatenate。它只是确保插件具有一维。 OP 错误是 a[0] 有 0 个维度。

如果我只想添加一个元素，为什么 append 会创建一个全新的数组？

我不喜欢这样一个简单的命令需要调用另一个函数的事实。如果数组本身有一个内部方法会更好，比如a.append(1)、a.add(1)，或者甚至类似于a + [1]这样的列表

【参考方案4】：

t = np.array([2, 3])
t = np.append(t, [4])

【参考方案5】：

这可能有点矫枉过正，但我​​总是将np.take 函数用于任何环绕索引：

>>> a = np.array([1, 2, 3])
>>> np.take(a, range(0, len(a)+1), mode='wrap')
array([1, 2, 3, 1])

>>> np.take(a, range(-1, len(a)+1), mode='wrap')
array([3, 1, 2, 3, 1])

【参考方案6】：

假设a=[1,2,3]，您希望它是[1,2,3,1]。

您可以使用内置的追加功能

np.append(a,1)

这里的 1 是一个 int，它可能是一个字符串，它可能属于也可能不属于数组中的元素。打印：[1,2,3,1]

【讨论】：

欢迎来到 ***！您可能想阅读 this guide 以了解如何格式化代码，然后更新您的答案以使其更具可读性:) 这也是一个非常古老的问题，答案已被接受，最好回答一些新问题

【参考方案7】：

这个命令，

numpy.append(a, a[0])

不改变a 数组。但是，它返回一个新的修改数组。 所以，如果需要修改a，那么就必须使用下面的。

a = numpy.append(a, a[0])

【参考方案8】：

当只添加一次或一次又一次时，在您的数组上使用np.append 应该没问题。这种方法的缺点是每次调用时都会为一个全新的数组分配内存。当为大量样本增长数组时，最好预先分配数组（如果总大小已知）或附加到列表并随后转换为数组。

使用np.append：

b = np.array([0])
for k in range(int(10e4)):
    b = np.append(b, k)
1.2 s ± 16.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

之后使用python列表转换为数组：

d = [0]
for k in range(int(10e4)):
    d.append(k)
f = np.array(d)
13.5 ms ± 277 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

预分配numpy数组：

e = np.zeros((n,))
for k in range(n):
    e[k] = k
9.92 ms ± 752 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

当最终大小未知时，预分配很困难，我尝试以 50 个块为单位进行预分配，但与使用列表相差无几。

85.1 ms ± 561 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

【参考方案9】：

如果要添加元素，请使用append()

a = numpy.append(a, 1) 在这种情况下在数组末尾添加 1

如果你想插入一个元素，请使用insert()

a = numpy.insert(a, index, 1) 在这种情况下，您可以将 1 放在您想要的位置，使用索引来设置数组中的位置。