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
La solution
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]])
Autres conseils
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]])
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]])
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]])
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
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]])
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])