it-swarm.com.de

Was ist der einfachste Weg, um ein numpy-Array in zwei Dimensionen zu erweitern?

Ich habe ein 2D-Array, das so aussieht:

XX
xx

Was ist der effizienteste Weg, um eine zusätzliche Zeile und Spalte hinzuzufügen:

xxy
xxy
yyy

Für Bonuspunkte möchte ich auch einzelne Reihen und Spalten ausschalten können. In der untenstehenden Matrix möchte ich beispielsweise alle A ausschneiden, wobei nur die X-Zeichen übrig bleiben Ich versuche, die n-te Zeile und die n-te Spalte gleichzeitig zu löschen - und ich möchte dies so schnell wie möglich tun können:

xxaxx
xxaxx
aaaaa
xxaxx
xxaxx
41
Salim Fadhley

Die kürzeste Codezeile, die ich mir vorstellen kann, ist für die erste Frage.

>>> 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]])

Und das zur zweiten Frage

    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]])
50
tomeedee

Eine nützliche alternative Antwort auf die erste Frage, die Beispiele aus tomeedees answer verwendet, wäre die Verwendung von numpys vstack und column_stack Methoden:

Gegeben eine Matrix p,

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

eine erweiterte Matrix kann erzeugt werden durch:

>>> 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]])

Diese Methoden können in der Praxis bequemer sein als np.append (), da sie das Anhängen von 1D-Arrays an eine Matrix ohne Modifikation ermöglichen, im Gegensatz zu dem folgenden Szenario:

>>> 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

Um die zweite Frage zu beantworten, können Sie Zeilen und Spalten mithilfe der logischen Array-Indexierung folgendermaßen entfernen:

Gegeben eine Matrix p,

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

nehmen wir an, wir möchten Zeile 1 und Spalte 2 entfernen:

>>> 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]])

Hinweis - für reformierte Matlab-Benutzer: Wenn Sie diese Einstellungen in einem Einzeiler ausführen möchten, müssen Sie zweimal indexieren:

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

Diese Technik kann auch erweitert werden, um sets von Zeilen und Spalten zu entfernen. Wenn Sie also die Zeilen 0 & 2 und die Spalten 1, 2 & 3 entfernen möchten, können Sie mit der setdiff1d - Funktion von numpy die gewünschte Logik erzeugen Index:

>>> 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]])
33
rroowwllaanndd

Eine weitere elegante Lösung für die erste Frage kann der insert-Befehl sein:

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

Führt zu:

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

insert ist möglicherweise langsamer als append, ermöglicht jedoch das einfache Befüllen der gesamten Zeile/Spalte mit einem Wert.

Bei der zweiten Frage wurde delete bereits vorgeschlagen:

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

Dadurch wird das ursprüngliche Array wieder hergestellt:

array([[1, 2],
       [3, 4]])
7
Björn

Ich finde es viel einfacher, durch Zuweisen in einer größeren Matrix "zu erweitern". Z.B.

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

Hier sind die Arrays:

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]])

und die resultierende g nach der Zuweisung:

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

Antwort auf die erste Frage:

Verwenden Sie numpy.append.

http://docs.scipy.org/doc/numpy/reference/generated/numpy.append.html#numpy.append

Antwort auf die zweite Frage:

Verwenden Sie numpy.delete

http://docs.scipy.org/doc/numpy/reference/generated/numpy.delete.html

Sie können verwenden: 

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

z.B.

>>> 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]]

~ - + - ~ - + - ~ - + - ~ 

Manchmal treten Probleme auf, wenn ein numpy-Array-Objekt mit unvollständigen Werten für seine Shape-Eigenschaft initialisiert wird. Dieses Problem wird behoben, indem der Shape-Eigenschaft das Tuple: (array_length, element_length) zugewiesen wird.

Anmerkung: Hier sind 'array_length' und 'element_length' ganzzahlige Parameter, für die Sie Werte eingeben. Ein 'Tuple' ist nur ein Zahlenpaar in Klammern.

z.B.

>>> 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]])
2
Jason

vielleicht brauchst du das.

>>> 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])
0
fandyst