Qual è il modo più semplice per estendere un array Numpy in 2 dimensioni?

Question

Ho un array 2d che assomiglia a questo:

XX
xx

Qual è il modo più efficace per aggiungere una riga e una colonna extra:

xxy
xxy
yyy

Per i punti bonus, mi piacerebbe anche poter eliminare singole righe e colonne, quindi ad esempio nella matrice sottostante mi piacerebbe essere in grado di eliminare tutte le a lasciando solo le x - in particolare sono cercando di eliminare l'ennesima riga e l'ennesima colonna contemporaneamente - e voglio poterlo fare il più rapidamente possibile:

xxaxx
xxaxx
aaaaa
xxaxx
xxaxx

Answer 1

Il più breve in termini di linee di codice che posso pensare è per la prima domanda.

>>> 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]])

E la domanda per il secondo

    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

Un'utile risposta alternativa alla prima domanda, utilizzando gli esempi tratti da tomeedee's la risposta sarebbe usare Numpy vstack E colonna_stack metodi:

Data una matrice p,

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

una matrice aumentata può essere generata da:

>>> 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]])

Questi metodi possono essere convenienti in pratica rispetto a np.append() poiché consentono di aggiungere array 1D a una matrice senza alcuna modifica, a differenza del seguente scenario:

>>> 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

In risposta alla seconda domanda, un buon modo per rimuovere righe e colonne è utilizzare l'indicizzazione di array logici come segue:

Data una matrice p,

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

supponiamo di voler rimuovere la riga 1 e la colonna 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: per gli utenti Matlab riformati, se desideri eseguire queste operazioni in una riga devi indicizzare due volte:

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

Questa tecnica può essere estesa anche alla rimozione imposta di righe e colonne, quindi se volessimo rimuovere le righe 0 e 2 e le colonne 1, 2 e 3 potremmo usare numpy setdiff1d funzione per generare l'indice logico desiderato:

>>> 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

Un'altra soluzione elegante al prima domanda può essere il comando insert:

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

Porta a:

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

insert può essere più lenta append ma consente di riempire l'intera riga / colonna con un valore facilmente.

Per quanto riguarda il seconda domanda , delete è stato suggerito in precedenza:

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

Il che ripristina nuovamente la matrice originale:

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

Answer 4

Trovo molto più facile da "estendere" tramite l'assegnazione in una matrice più grande. Per es.

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

Ecco le matrici:

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]])

e il g risultante dopo l'assegnazione:

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

Answer 5

Risposta alla prima domanda:

Usa numpy.append.

http: //docs.scipy. org / doc / NumPy / riferimento / generata / numpy.append.html # numpy.append

Risposta alla seconda domanda:

Usa numpy.delete

http://docs.scipy.org/doc/ NumPy / riferimento / generata / numpy.delete.html

Answer 6

Puoi usare:

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

per esempio.

>>> 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 volte, potresti riscontrare problemi se un oggetto array Numpy viene inizializzato con valori incompleti per la sua proprietà shape.Questo problema viene risolto assegnando alla proprietà shape la tupla:(lunghezza_array, lunghezza_elemento).

Nota:Qui, "array_length" e "element_length" sono parametri interi, ai quali sostituisci i valori.Una "tupla" è semplicemente una coppia di numeri tra parentesi.

per esempio.

>>> 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

forse avete bisogno di questo.

>>> 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])