什么是2名维扩展numpy的阵列最简单的方法？

Question

我有一个二维数组，看起来像这样：

XX
xx

什么是添加一个额外的行和列的最有效的方式：

xxy
xxy
yyy

有关的奖励积分，我想也能够击倒单个行和列，因此，例如在基体下面我想能够击倒所有的一个的仅留下X的 - 特别是我试图删除第n行，并在同一时间n列 - 我希望能够尽快做到这一点越好：

xxaxx
xxaxx
aaaaa
xxaxx
xxaxx

Answer 1

在的代码我能想到的线而言最短为第一个问题。

>>> 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]])

和所述第二个问题

    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]])

Answer 2

：一种有用的替代回答第一个问题，使用来自 tomeedee的答案的例子中，是使用numpy的的 vstack 和 column_stack <强>方法

给定一个矩阵P，

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

可以通过产生一个增广矩阵：

>>> 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]])

这些方法可以是在实践中比np.append（），因为它们允许一维数组要附加到的矩阵而不进行任何修改，而相比之下，以下情形方便：

>>> 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

<强>在回答第二个问题，一个很好的方法，以消除的行和列是使用逻辑数组索引，如下所示：

给定一个矩阵P，

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

假设我们要删除行1和列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]])

请注意 - 为改革MATLAB用户 - 如果你想在你需要索引两次一个班轮做这些：

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

此技术也可以被扩展以除去行和列的集，所以如果我们想删除行0 2和列1，2和3，我们可以使用numpy的的 setdiff1d 函数来产生所期望的逻辑索引：

>>> 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]])

Answer 3

另一种优雅的解决方案的第一个问题可以是insert命令：

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

信息为：

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

insert可以比append慢，但允许您使用容易一个值填充整个行/列。

至于在第二个问题下，delete之前已经建议：

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

其中原始阵列再次恢复：

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

Answer 4

我觉得更容易为“延长”通过在一个更大的矩阵布置。 E.g。

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

下面是数组：

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]])

和分配后得到的g：

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

Answer 5

答案对第一个问题：

使用numpy.append。

HTTP：//docs.scipy。组织/ DOC / numpy的/参照/生成/ numpy.append.html＃numpy.append

答案第二个问题：

使用numpy.delete

http://docs.scipy.org/doc/ numpy的/参照/生成/ numpy.delete.html

Answer 6

您可以使用：

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

e.g。

>>> 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]]

〜 - + - 〜 - + - 〜 - + - 〜

有时候，你会遇到麻烦，如果一个numpy的数组对象与用于其形状属性不完整的值进行初始化。此问题是由分配给形状属性元组固定：（array_length，element_length）

注意：这里，“array_length”和“element_length”是整数参数，这在为你的替换值。 A“的元组”是在括号中只是一对数字。

e.g。

>>> 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]])

Answer 7

也许你需要这个。

>>> 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])