Qual è il modo più semplice per estendere un array Numpy in 2 dimensioni?
Domanda
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
Soluzione
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]])
Altri suggerimenti
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]])
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]])
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]])
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
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]])
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])