Qual é a maneira mais simples de estender uma matriz numpy em 2 dimensões?
Pergunta
Eu tenho uma matriz 2d que tem esta aparência:
XX
xx
O que é a forma mais eficiente para adicionar uma linha extra e coluna:
xxy
xxy
yyy
Para pontos de bônus, eu gostaria de também ser capaz de nocautear linhas e colunas individuais, assim, por exemplo na matriz abaixo eu gostaria de ser capaz de bater para fora toda a um deixando apenas o x de - especificamente Eu estou tentando excluir a linha enésima e a coluna n, ao mesmo tempo - e eu quero ser capaz de fazer isso o mais rápido possível:
xxaxx
xxaxx
aaaaa
xxaxx
xxaxx
Solução
O mais curto em termos de linhas de código que eu posso pensar é para a primeira pergunta.
>>> 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 a para a segunda pergunta ??p>
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]])
Outras dicas
Uma resposta alternativa útil para a primeira pergunta, usando os exemplos de de tomeedee resposta, seria a utilização de numpy vstack e column_stack métodos:
Dada uma matriz p,
>>> import numpy as np
>>> p = np.array([ [1,2] , [3,4] ])
uma matriz aumentada pode ser gerado por:
>>> 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]])
Estes métodos podem ser conveniente, na prática, que np.append () uma vez que permitem 1D matrizes para ser anexado a uma matriz, sem qualquer modificação, em contraste com o seguinte cenário:
>>> 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
Em resposta à segunda questão, uma boa maneira de remover linhas e colunas é usar a indexação de matriz lógica da seguinte forma:
Dada uma matriz p,
>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) )
suponha que deseja remover a linha 1 e coluna 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 - para usuários Matlab reformadas - se você queria fazer isso em uma frase você precisa índice duas vezes:
>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) )
>>> p = p [ np.arange( p.shape[0] ) != r , : ] [ : , np.arange( p.shape[1] ) != c ]
Esta técnica pode também ser estendido para remover sets de linhas e colunas, por isso, se queríamos para remover linhas 0 e 2 e colunas 1, 2 e 3 que poderíamos usar numpy de setdiff1d função para gerar o índice lógico desejado:
>>> 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]])
Outra solução elegante para a primeira pergunta pode ser o comando insert
:
p = np.array([[1,2],[3,4]])
p = np.insert(p, 2, values=0, axis=1) # insert values before column 2
Leads para:
array([[1, 2, 0],
[3, 4, 0]])
insert
pode ser mais lenta do que append
mas permite que você preencha toda linha / coluna com um valor facilmente.
Quanto ao segunda pergunta ??strong>, delete
foi sugerido antes:
p = np.delete(p, 2, axis=1)
que restaura a matriz original novamente:
array([[1, 2],
[3, 4]])
Acho que é muito mais fácil de "estender" através da atribuição de uma matriz maior. Por exemplo.
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
Aqui estão as matrizes:
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]])
eo g
resultante após a atribuição:
array([[ 1, 2, 2, 3, 4],
[ 3, 4, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
resposta à primeira pergunta:
Use numpy.append.
http: //docs.scipy. org / doc / numpy / reference / gerado / numpy.append.html # numpy.append
resposta à segunda pergunta:
Use numpy.delete
http://docs.scipy.org/doc/ numpy / reference / gerado / numpy.delete.html
Você pode usar:
>>> np.concatenate([array1, array2, ...])
por exemplo.
>>> 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]]
~ - + - ~ - + - ~ - + - ~
Às vezes, você vai se deparar com problemas, se um objeto de matriz numpy é inicializado com valores incompletos para sua propriedade de forma. Esse problema é corrigido através da atribuição à propriedade forma a tupla:. (Array_length, element_length)
Nota: Aqui, 'array_length' e 'element_length' são parâmetros inteiros, que você substituir valores para. A 'tuple' é apenas um par de números entre parênteses.
por exemplo.
>>> 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]])
talvez você precisa disso.
>>> 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])