如何在 NumPy 中创建一个空数组/矩阵?
Posted
技术标签:
【中文标题】如何在 NumPy 中创建一个空数组/矩阵?【英文标题】:How do I create an empty array/matrix in NumPy? 【发布时间】:2010-10-08 19:28:34 【问题描述】:我不知道如何以通常使用列表的方式使用数组或矩阵。我想创建一个空数组(或矩阵),然后一次添加一列(或行)。
目前我能找到的唯一方法是:
mat = None
for col in columns:
if mat is None:
mat = col
else:
mat = hstack((mat, col))
如果它是一个列表,我会这样做:
list = []
for item in data:
list.append(item)
有没有办法为NumPy 数组或矩阵使用这种表示法?
【问题讨论】:
【参考方案1】:要创建一个空的 NumPy 数组而不定义其形状,您可以执行以下操作:
arr = np.array([])
首选第一个,因为您知道您将使用它作为 NumPy 数组。 NumPy 之后将其转换为 np.ndarray
类型,无需额外的 []
'dimension'。
为了向数组添加新元素,我们可以这样做:
arr = np.append(arr, 'new element')
请注意,在 python 的背景中,没有数组这样的东西 定义它的形状。正如@hpaulj 提到的,这也是一个排名 数组。
【讨论】:
不,np.array([])
创建一个形状为 (0,) 的数组,一个包含 0 个元素的一维数组。没有定义形状的数组是不存在的。并且 2) 与 1) 做同样的事情。
这是真的@hpaulj,尽管讨论的重点是在创建形状时不要在心里考虑形状。无论如何都值得一提。【参考方案2】:
最简单的方法
输入:
import numpy as np
data = np.zeros((0, 0), dtype=float) # (rows,cols)
data.shape
输出: (0, 0)
输入:
for i in range(n_files):
data = np.append(data, new_data, axis = 0)
【讨论】:
【参考方案3】:另一种创建可以带数组的空数组的简单方法是:
import numpy as np
np.empty((2,3), dtype=object)
【讨论】:
【参考方案4】:您对有效使用 NumPy 的心智模型有误。 NumPy 数组存储在连续的内存块中。如果要向现有数组添加行或列,则需要将整个数组复制到新的内存块中,从而为要存储的新元素创建间隙。如果重复构建数组,这是非常低效的。
在添加行的情况下,最好的办法是创建一个与数据集最终一样大的数组,然后逐行为其分配数据:
>>> import numpy
>>> a = numpy.zeros(shape=(5,2))
>>> a
array([[ 0., 0.],
[ 0., 0.],
[ 0., 0.],
[ 0., 0.],
[ 0., 0.]])
>>> a[0] = [1,2]
>>> a[1] = [2,3]
>>> a
array([[ 1., 2.],
[ 2., 3.],
[ 0., 0.],
[ 0., 0.],
[ 0., 0.]])
【讨论】:
如果您不需要将数组归零,还有 numpy.empty()。 使用 empty() 比 zeros() 有什么好处? 如果您要立即使用数据对其进行初始化,则可以节省归零的成本。 @maracorossi 所以.empty()
意味着可以在单元格中找到随机值,但数组的创建速度比例如更快。 .zeros()
?
@user3085931 是的!【参考方案5】:
也许你正在寻找的是这样的:
x=np.array(0)
通过这种方式,您可以创建一个没有任何元素的数组。它类似于:
x=[]
这样您就可以提前将新元素附加到您的数组中。
【讨论】:
不,您的x
是一个具有形状 () 和一个元素的数组。它更像0
而不是[]
。你可以称它为“标量数组”。【参考方案6】:
这里有一些解决方法可以让 numpys 看起来更像列表
np_arr = np.array([])
np_arr = np.append(np_arr , 2)
np_arr = np.append(np_arr , 24)
print(np_arr)
输出:数组([2., 24.])
【讨论】:
远离np.append
。尽管名称选择不当,但它不是列表追加克隆。【参考方案7】:
我认为您可以创建空的 numpy 数组,例如:
>>> import numpy as np
>>> empty_array= np.zeros(0)
>>> empty_array
array([], dtype=float64)
>>> empty_array.shape
(0,)
当您想在循环中附加 numpy 数组时,此格式很有用。
【讨论】:
【参考方案8】:我认为您希望使用列表处理大部分工作,然后将结果用作矩阵。也许这是一种方式;
ur_list = []
for col in columns:
ur_list.append(list(col))
mat = np.matrix(ur_list)
【讨论】:
【参考方案9】:在 NumPy 中创建一个空的多维数组(例如,一个二维数组 m*n
来存储您的矩阵),以防您不知道 m
将追加多少行并且不关心计算成本Stephen Simmons 提到(即在每次追加时重新构建数组),您可以将要追加到的维度压缩到 0:X = np.empty(shape=[0, n])
。
例如,您可以使用这种方式(这里是m = 5
,我们假设我们在创建空矩阵时不知道,n = 2
):
import numpy as np
n = 2
X = np.empty(shape=[0, n])
for i in range(5):
for j in range(2):
X = np.append(X, [[i, j]], axis=0)
print X
这会给你:
[[ 0. 0.]
[ 0. 1.]
[ 1. 0.]
[ 1. 1.]
[ 2. 0.]
[ 2. 1.]
[ 3. 0.]
[ 3. 1.]
[ 4. 0.]
[ 4. 1.]]
【讨论】:
这应该是OP问的问题的答案,对于你事先不知道#rows的用例,或者想要处理有0行的情况 虽然这确实按照 OP 的要求工作,但这不是一个好的答案。如果你知道迭代范围,你就知道目标数组的大小。 但是当然有很多例子你不知道迭代范围并且你不关心计算成本。在这种情况下很好的答案!【参考方案10】:根据您的用途,您可能需要指定数据类型(请参阅'dtype')。
例如,要创建一个 8 位值的二维数组(适合用作单色图像):
myarray = numpy.empty(shape=(H,W),dtype='u1')
对于 RGB 图像,在形状中包含颜色通道数:shape=(H,W,3)
您可能还想考虑使用numpy.zeros
进行零初始化,而不是使用numpy.empty
。请参阅注释here。
【讨论】:
【参考方案11】:我对此进行了很多研究,因为我需要在我的一个学校项目中使用 numpy.array 作为一个集合,并且我需要初始化为空......我在 Stack Overflow 上没有找到任何相关答案,所以我开始涂鸦。
# Initialize your variable as an empty list first
In [32]: x=[]
# and now cast it as a numpy ndarray
In [33]: x=np.array(x)
结果将是:
In [34]: x
Out[34]: array([], dtype=float64)
因此可以直接初始化一个np数组,如下:
In [36]: x= np.array([], dtype=np.float64)
我希望这会有所帮助。
【讨论】:
这对数组不起作用,就像问题一样,但它对向量很有用。a=np.array([])
似乎默认为 float64
【参考方案12】:
您可以应用它来构建任何类型的数组,例如零:
a = range(5)
a = [i*0 for i in a]
print a
[0, 0, 0, 0, 0]
【讨论】:
如果你想在纯 python 中做到这一点,a= [0] * 5
是简单的解决方案【参考方案13】:
您可以使用附加功能。对于行:
>>> from numpy import *
>>> a = array([10,20,30])
>>> append(a, [[1,2,3]], axis=0)
array([[10, 20, 30],
[1, 2, 3]])
对于列:
>>> append(a, [[15],[15]], axis=1)
array([[10, 20, 30, 15],
[1, 2, 3, 15]])
编辑 当然,正如其他答案中所提到的,除非您每次都在矩阵/数组上进行一些处理(例如反转),否则我只会创建一个列表,附加到它然后将其转换为数组.
【讨论】:
这如何回答这个问题?我没有看到关于空数组的部分【参考方案14】:如果你完全不知道数组的最终大小,你可以像这样增加数组的大小:
my_arr = numpy.zeros((0,5))
for i in range(3):
my_arr=numpy.concatenate( ( my_arr, numpy.ones((1,5)) ) )
print(my_arr)
[[ 1. 1. 1. 1. 1.] [ 1. 1. 1. 1. 1.] [ 1. 1. 1. 1. 1.]]
请注意第一行中的0
。
numpy.append
是另一种选择。它调用numpy.concatenate
。
【讨论】:
【参考方案15】:NumPy 数组是与列表非常不同的数据结构,旨在以不同的方式使用。您对hstack
的使用可能非常低效......每次调用它时,现有数组中的所有数据都会被复制到一个新数组中。 (append
函数也有同样的问题。)如果您想一次建立一列矩阵,最好将其保留在列表中,直到完成,然后才将其转换为数组。
例如
mylist = []
for item in data:
mylist.append(item)
mat = numpy.array(mylist)
item
可以是列表、数组或任何可迭代对象,只要
因为每个 item
具有相同数量的元素。
在这种特殊情况下(data
是一些可迭代的保存矩阵列),您可以简单地使用
mat = numpy.array(data)
(另请注意,使用list
作为变量名可能不是一个好习惯,因为它会用该名称掩盖内置类型,这可能会导致错误。)
编辑:
如果出于某种原因你真的想创建一个空数组,你可以使用 numpy.array([])
,但这很少有用!
【讨论】:
numpy 数组/矩阵与 Matlab 有根本的不同吗? 如果由于某种原因您需要定义一个空数组,但具有固定宽度(例如np.concatenate()
),您可以使用:np.empty((0, some_width))
。 0,所以你的第一个数组不会是垃圾。以上是关于如何在 NumPy 中创建一个空数组/矩阵?的主要内容,如果未能解决你的问题,请参考以下文章