Numpy - 将行添加到数组

Posted 2023-02-15

【中文标题】Numpy - 将行添加到数组

【英文标题】：Numpy - add row to array

【发布时间】：2011-04-22 08:10:18

【问题描述】：

如何将行添加到 numpy 数组中？

我有一个数组 A：

A = array([[0, 1, 2], [0, 2, 0]])

如果 X 中每一行的第一个元素满足特定条件，我希望从另一个数组 X 向该数组添加行。

Numpy 数组没有像列表那样的“附加”方法，或者看起来是这样。

如果 A 和 X 是列表，我只会这样做：

for i in X:
    if i[0] < 3:
        A.append(i)

有没有 numpythonic 方法可以做到这一点？

谢谢， S ;-)

【问题讨论】：

另见***.com/questions/8486294/…

【参考方案1】：

你可以这样做：

newrow = [1, 2, 3]
A = numpy.vstack([A, newrow])

【讨论】：

@Kris 为什么不推荐使用它？我在docs 中什么也没看到

@Georgy 老实说，我不知道。我在这里寻找与您相同的答案:-)。我现在不记得为什么我写了上面的评论。我一定在文档中看到它已被弃用。但是现在看文档......它并没有这么说。有没有可能他们弃用了它，然后又改变了主意，并认为太多人觉得弃用和删除它太烦人了？

【参考方案2】：

X 是什么？如果它是一个二维数组，那么如何将它的行与一个数字进行比较：i < 3？

在 OP 评论后编辑：

A = array([[0, 1, 2], [0, 2, 0]])
X = array([[0, 1, 2], [1, 2, 0], [2, 1, 2], [3, 2, 0]])

添加到A 中来自X 的所有行，其中第一个元素< 3：

import numpy as np
A = np.vstack((A, X[X[:,0] < 3]))

# returns: 
array([[0, 1, 2],
       [0, 2, 0],
       [0, 1, 2],
       [1, 2, 0],
       [2, 1, 2]])

【讨论】：

对不起，好点！假设一个二维数组，每行的第一个元素必须满足一个条件。我会编辑那个。谢谢，S ;-)

@DarrenJ.Fitzpatrick 请记住，通过执行此类操作，您会与 Numpy 在为现有数组 A 预分配内存方面所做的出色工作相悖。显然，对于这个答案中的小问题，这不是问题，但对于大数据来说可能会更麻烦。

【参考方案3】：

由于这个问题是 7 年前提出的，在我使用的最新版本是 numpy 版本 1.13 和 python3 中，我正在做同样的事情，向矩阵添加一行，记得放一个 double括号到第二个参数，否则会引发尺寸错误。

在这里我在矩阵 A 上添加

1 2 3
4 5 6

一行

7 8 9

np.r_ 中的用法相同

A = [[1, 2, 3], [4, 5, 6]]
np.append(A, [[7, 8, 9]], axis=0)

    >> array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])
#or 
np.r_[A,[[7,8,9]]]

只是对某人感兴趣，如果您想添加一个列，

array = np.c_[A,np.zeros(#A's row size)]

按照我们之前对矩阵 A 所做的操作，向其添加一列

np.c_[A, [2,8]]

>> array([[1, 2, 3, 2],
          [4, 5, 6, 8]])

如果你想前置，你可以翻转参数的顺序，即：

np.r_([[7, 8, 9]], A)

    >> array([[7, 8, 9],
             [1, 2, 3],
             [4, 5, 6]])

【参考方案4】：

如果在每一行之后都不需要计算，那么在 python 中添加行，然后转换为 numpy.以下是使用 python 3.6 与 numpy 1.14 的时序测试，一次添加 100 行：

import numpy as np 
from time import perf_counter, sleep

def time_it():
    # Compare performance of two methods for adding rows to numpy array
    py_array = [[0, 1, 2], [0, 2, 0]]
    py_row = [4, 5, 6]
    numpy_array = np.array(py_array)
    numpy_row = np.array([4,5,6])
    n_loops = 100

    start_clock = perf_counter()
    for count in range(0, n_loops):
       numpy_array = np.vstack([numpy_array, numpy_row]) # 5.8 micros
    duration = perf_counter() - start_clock
    print('numpy 1.14 takes :.3f micros per row'.format(duration * 1e6 / n_loops))

    start_clock = perf_counter()
    for count in range(0, n_loops):
        py_array.append(py_row) # .15 micros
    numpy_array = np.array(py_array) # 43.9 micros       
    duration = perf_counter() - start_clock
    print('python 3.6 takes :.3f micros per row'.format(duration * 1e6 / n_loops))
    sleep(15)

#time_it() prints:

numpy 1.14 takes 5.971 micros per row
python 3.6 takes 0.694 micros per row

因此，从七年前开始，原始问题的简单解决方案是在将行转换为 numpy 数组后使用 vstack() 添加新行。但更现实的解决方案应该考虑 vstack 在这些情况下的糟糕性能。如果您不需要在每次添加后对数组运行数据分析，最好将新行缓冲到 python 行列表（实际上是列表列表），并将它们作为一个组添加到 numpy 数组在进行任何数据分析之前使用 vstack()。

【参考方案5】：

您也可以这样做：

newrow = [1,2,3]
A = numpy.concatenate((A,newrow))

【讨论】：

嗯。当我尝试这个时，它只是添加到 A 的末尾，而不是按照 OP 的要求添加一个新行。

可能是np.concatenate((A,newrow), axis=0)

从 numpy 版本 1.12.1（和 Python 3 中）开始，似乎试图将向量连接到矩阵引发 ValueError: all the input arrays must have same number of dimensions。看起来它希望在愿意连接之前将向量显式重塑为列或行向量。

@MRule 您可以根据@Flora PJ Li ***.com/a/47845065/1410035 的回答使用方括号来解决这个问题。 newrow = [[1,2,3]]

【参考方案6】：

import numpy as np
array_ = np.array([[1,2,3]])
add_row = np.array([[4,5,6]])

array_ = np.concatenate((array_, add_row), axis=0)

【参考方案7】：

我使用更快的'np.vstack'，例如：

import numpy as np

input_array=np.array([1,2,3])
new_row= np.array([4,5,6])

new_array=np.vstack([input_array, new_row])

【参考方案8】：

如果您可以在单个操作中完成构建，那么类似 vstack-with-fancy-indexing 的答案是一种很好的方法。但是，如果您的情况更复杂，或者您的行是即时出现的，您可能需要增加数组。事实上，做这样的事情的 numpythonic 方法——动态增长一个数组——是动态增长一个列表：

A = np.array([[1,2,3],[4,5,6]])
Alist = [r for r in A]
for i in range(100):
    newrow = np.arange(3)+i
    if i%5:
        Alist.append(newrow)
A = np.array(Alist)
del Alist

列表针对这种访问模式进行了高度优化；您在列表形式中没有方便的 numpy 多维索引，但只要您要追加，就很难比行数组列表做得更好。

【参考方案9】：

您可以使用numpy.append() 将一行追加到 numty 数组中，然后再整形为矩阵。

import numpy as np
a = np.array([1,2])
a = np.append(a, [3,4])
print a
# [1,2,3,4]
# in your example
A = [1,2]
for row in X:
    A = np.append(A, row)

【讨论】：

由于在添加过程中改变了数组形状，因此添加行并不是真正的解决方案。

【参考方案10】：

我使用numpy.insert(arr, i, the_object_to_be_added, axis) 以便在第i 行(axis=0) 或列(axis=1) 插入object_to_be_added

import numpy as np

a = np.array([[1, 2, 3], [5, 4, 6]])
# array([[1, 2, 3],
#        [5, 4, 6]])

np.insert(a, 1, [55, 66], axis=1)
# array([[ 1, 55,  2,  3],
#        [ 5, 66,  4,  6]])

np.insert(a, 2, [50, 60, 70], axis=0)
# array([[ 1,  2,  3],
#        [ 5,  4,  6],
#        [50, 60, 70]])

太老的讨论了，但我希望它对某人有所帮助。