2次元でnumpyの配列を拡張するための最も簡単な方法は何ですか？

Question

私はこのようになります2D配列を持っています：

XX
xx

余分な行や列を追加するための最も効率的な方法は何ます：

xxy
xxy
yyy

ボーナスポイントのために、私はまた、単一の行と列をノックアウトできるようにしたいと思いますので、例えばマトリックスで私は、Aさんが唯一のxのを離れるのすべてをノックアウトできるようにしたいの下に - 特に私は同時にn行n列を削除しようとしている - と私は可能な限り迅速にこれを行うことができるようにしたい。

xxaxx
xxaxx
aaaaa
xxaxx
xxaxx

Answer 1

私は考えることができるコードの行の点では最も短いが、最初の質問です。

>>> 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]])

そして、2番目の質問のための

    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

にtomeedeeさんの答えからの例を使用して最初の質問に有用な代替の答えは、numpyのののvstackのとのcolumn_stackの方法：の

行列Pを考えると、

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

拡大行列は、によって生成することができます

>>> 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]])

これらの方法では、次のシナリオとは対照的に、1Dアレイはそのままマトリックスに付加されることを可能にするようnp.append（）よりも実際に便利である

>>> 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

を2つ目の質問、行と列を削除するには良い方法は、次のように論理的な配列インデックスを使用することですへの答えは：の

行列Pを考えると、

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

私たちは、行1、列2を削除したいとします：

>>> 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]])

注 - 改革Matlabのユーザーのために - あなたは二回インデックスに必要なワンライナーでこれらをやってみたかったとします。

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

私たちは、行0＆2とカラム1、2＆3を削除したい場合、我々はnumpyののの setdiff1d <を使用することができるように

この技術はまた、行と列ののセットを削除するために拡張することができます/ strong>の関数は、所望の論理インデックスを生成する

>>> 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

の最初の質問への別のエレガントなソリューションのinsertコマンドもあります：

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

につながるます：

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

insertがappendより遅いかもしれないが、簡単に一つの値を持つ全体行/列を充填することができます。

のの 2番目の質問については、deleteを前に示唆されている。

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

再び元の配列を復元します：

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

Answer 4

私はそれがはるかに簡単に、より大きな行列に割り当てる経由で「拡張」を見つけます。例えばます。

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

ここでは、配列は次のとおりです：

p

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

gます：

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]])

と割り当てた後、得られたg

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

Answer 5

最初の質問への回答：

numpy.appendを使用します。

ます。http：//docs.scipy。 ORG / DOC / numpyの/参照/生成/ numpy.append.html＃numpy.append の

2番目の質問への回答：

使用numpy.delete

http://docs.scipy.org/doc/ numpyの/参照/生成/ numpy.delete.html の

Answer 6

あなたが使用することができます：

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

例えばます。

>>> 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]]

〜 - + - 〜 - + - 〜 - + - 〜

numpyの配列オブジェクトは、その形状特性のために不完全な値で初期化されている場合時々、あなたがトラブルに遭遇します。この問題は、形状性にタプル割り当てることによって固定されている：（array_length、element_length）を

注：ここでは、「array_length」と「element_lengthは」整数のパラメータ、のためにあるあなたの代替値です。 「タプル」は、括弧内の数字だけのペアである。

例えばます。

>>> 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

多分あなたはこれを必要とします。

>>> 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])