¿Cuál es la forma más sencilla de extender una colección de matriz de 2 dimensiones?

Question

Tengo una matriz 2d que se parece a esto:

XX
xx

¿Cuál es la forma más eficiente para añadir un extra de fila y columna:

xxy
xxy
yyy

Para puntos de bonificación, también me gustaría ser capaz de noquear a solas filas y columnas, así por ejemplo en la matriz a continuación me gustaría ser capaz de noquear a todos los de la a, dejando sólo la x - específicamente estoy tratando de eliminar la n-ésima fila y la n-ésima columna al mismo tiempo - y quiero ser capaz de hacer esto tan pronto como sea posible:

xxaxx
xxaxx
aaaaa
xxaxx
xxaxx

Answer 1

El más corto en términos de líneas de código que se me ocurre es para la primera pregunta.

>>> 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]])

Y la segunda pregunta

    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

Una respuesta alternativa útil a la primera pregunta, utilizando los ejemplos de de tomeedee respuesta, sería utilizar de vstack y column_stack métodos:

Dada una matriz p,

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

una matriz aumentada puede ser generado por:

>>> 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]])

Estos métodos pueden ser convenientes en la práctica que np.append () ya que permiten matrices de 1D que se añadirán a una matriz sin ninguna modificación, en contraste con la situación siguiente:

>>> 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

En respuesta a la segunda pregunta, una buena manera de eliminar filas y columnas es utilizar lógica indexación de matrices de la siguiente manera:

Dada una matriz p,

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

supongamos que queremos eliminar la fila 1 y la columna 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]])

Nota - para los usuarios de MATLAB reformados - si se quería hacer esto en una sola línea que necesita para indexar dos veces:

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

Esta técnica también se puede extender para eliminar juegos de filas y columnas, así que si queríamos para eliminar filas 0 y 2 y las columnas 1, 2 y 3 que podríamos utilizar de setdiff1d función para generar el índice lógico deseado:

>>> 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

Otra solución elegante para el primera pregunta puede ser el insert comando:

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

Conduce a:

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

insert puede ser más lento que append pero permite llenar toda la fila/columna con un valor fácilmente.

Como para el segunda pregunta, delete se ha sugerido antes:

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

Que restaura la matriz original de nuevo:

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

Answer 4

Me resulta mucho más fácil de "extender" a través de la asignación en una matriz más grande. Por ejemplo.

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

Estas son las matrices:

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]])

y la g resultante después de la asignación:

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

Answer 5

Respuesta a la primera pregunta:

Uso numpy.append.

http: //docs.scipy. org / doc / numpy / referencia / generado / numpy.append.html # numpy.append

Respuesta a la segunda pregunta:

Uso numpy.delete

http://docs.scipy.org/doc/ numpy / referencia / generado / numpy.delete.html

Answer 6

Puede utilizar:

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

por ejemplo.

>>> 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]]

~ - + - ~ - + - ~ - + - ~

A veces, se encontrará con problemas si un objeto de matriz numpy se inicializa con valores incompletos para su propiedad de forma. Este problema se resuelve mediante la asignación a la propiedad forma la tupla:. (Array_length, element_length)

Nota: En este caso, 'array_length' y 'element_length' son parámetros enteros, que los valores de sustitución en para. A 'tupla' es sólo un par de números en paréntesis.

por ejemplo.

>>> 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

tal vez usted necesita esto.

>>> 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])