Quelle est la façon la plus simple d'étendre un réseau de numpy en 2 dimensions?

Question

J'ai un tableau 2D qui ressemble à ceci:

XX
xx

Quelle est la façon la plus efficace d'ajouter une ligne supplémentaire et de la colonne:

xxy
xxy
yyy

Pour les points bonus, je voudrais aussi pouvoir assommer, donc par exemple des lignes et des colonnes individuelles dans la matrice ci-dessous, je voudrais être en mesure de frapper tous les A ne laissant que les x - en particulier Je suis en train de supprimer le n-ième rangée et la colonne n en même temps - et je veux être en mesure de le faire le plus rapidement possible:

xxaxx
xxaxx
aaaaa
xxaxx
xxaxx

Answer 1

Le plus court en termes de lignes de code que je peux penser est pour la première question.

>>> 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]])

Et pour la deuxième question

    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

Une réponse alternative intéressante à la première question, en utilisant les exemples de tomeedee réponse, serait d'utiliser de numpy vstack et column_stack méthodes:

Etant donné une matrice p,

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

une matrice augmentée peut être générée par:

>>> 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]])

Ces méthodes peuvent être pratique dans la pratique que np.append () car ils permettent des tableaux 1D à ajouter à une matrice sans aucune modification, contrairement au scénario suivant:

>>> 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 réponse à la deuxième question, une belle façon de supprimer des lignes et des colonnes est d'utiliser l'indexation de tableau logique comme suit:

Etant donné une matrice p,

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

supposons que nous voulons supprimer la ligne 1 et la colonne 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]])

Remarque - pour les utilisateurs Matlab réformées - si vous vouliez faire ces derniers dans une seule ligne dont vous avez besoin pour indexer deux fois:

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

Cette technique peut également être étendue à supprimer jeux de lignes et de colonnes, donc si nous voulions supprimer des lignes 0 et 2 et les colonnes 1, 2 et 3 nous pourrions utiliser de numpy setdiff1d fonction pour générer l'index logique désiré:

>>> 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

Une autre solution élégante à la première question peut être la commande insert:

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

conduit à:

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

insert peut être plus lent que append mais vous permet de remplir toute la ligne / colonne avec une valeur facilement.

En ce qui concerne la deuxième question , delete a été suggéré auparavant:

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

Ce qui restaure à nouveau le tableau original:

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

Answer 4

Je trouve beaucoup plus facile de « étendre » via l'affectation dans une plus grande matrice. Par exemple.

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

Voici les tableaux:

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]])

et le g résultant après la cession:

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

Answer 5

Réponse à la première question:

Utilisez numpy.append.

http: //docs.scipy. org / doc / numpy / référence / produit / numpy.append.html # numpy.append

Réponse à la deuxième question:

Utilisez numpy.delete

http://docs.scipy.org/doc/ numpy / référence / produit / numpy.delete.html

Answer 6

Vous pouvez utiliser:

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

par exemple.

>>> 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]]

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

Parfois, vous rencontrerez des problèmes si un objet tableau numpy est initialisé avec des valeurs incomplètes pour sa propriété de forme. Ce problème est résolu en attribuant à la propriété de la forme tuple:. (Array_length, de element_length)

Note: Ici, « array_length » et « element_length » sont des paramètres entiers, qui vous les valeurs de substitution dans pour. A 'tuple' est juste une paire de chiffres entre parenthèses.

par exemple.

>>> 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

vous avez besoin peut-être cela.

>>> 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])