如何在 NumPy 中创建一个空数组/矩阵？

Posted 2023-03-12

【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？

【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)

【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)

【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。

【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)

【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。

【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。

【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。