什么是最简单的方法来在二维扩展一个numpy数组？
我有一个2d数组，看起来像这样：
XX xx 什么是最有效的方式来添加一个额外的行和列：
xxy xxy yyy
对于奖励积分，我想也能够淘汰单行和列，所以例如在下面的matrix，我想能够淘汰所有的只剩下x的 – 特别是我试图同时删除第n行和第n列 – 我希望能够尽快做到这一点：
xxaxx xxaxx aaaaa xxaxx xxaxx
代码行我认为最短的是第一个问题。
>>> 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]])
而第二个问题
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]])
第一个问题的一个有用的替代答案，使用 tomeedee的答案，将使用numpy的 vstack 和 column_stack 方法：
给定matrixp，
>>> import numpy as np >>> p = np.array([ [1,2] , [3,4] ])
增广matrix可以通过以下方式产生：
>>> 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]])
这些方法在实践中可能比np.append（）方便，因为它们允许一维数组无需任何修改即可附加到matrix，与以下情况形成对比：
>>> 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
在回答第二个问题时，删除行和列的好方法是使用逻辑数组索引，如下所示：
给定matrixp，
>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) )
假设我们要删除第1行和第2列：
>>> 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]])
注意 – 对于经过改造的Matlab用户 – 如果你想在一行中做这些，你需要索引两次：
>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) ) >>> p = p [ np.arange( p.shape[0] ) != r , : ] [ : , np.arange( p.shape[1] ) != c ]
这种技术也可以扩展去除行和列的集合 ，所以如果我们想删除行0和2，列1,2和3，我们可以使用numpy的setdiff1d函数来生成所需的逻辑索引：
>>> 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]])
第一个问题的另一个优雅的解决scheme可能是insert命令：
p = np.array([[1,2],[3,4]]) p = np.insert(p, 2, values=0, axis=1) # insert values before column 2
导致：
array([[1, 2, 0], [3, 4, 0]])
insert可能比append速度慢，但允许您用一个值填充整行/列。
至于第二个问题 ，之前已经build议delete ：
p = np.delete(p, 2, axis=1)
这又恢复了原始数组：
array([[1, 2], [3, 4]])
我发现通过分配更大的matrix来“扩展”要容易得多。 例如
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
这里是数组：
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]])
以及分配后的结果g ：
array([[ 1, 2, 2, 3, 4], [ 3, 4, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]])
回答第一个问题：
使用numpy.append。
http://docs.scipy.org/doc/numpy/reference/generated/numpy.append.html#numpy.append
回答第二个问题：
使用numpy.delete
http://docs.scipy.org/doc/numpy/reference/generated/numpy.delete.html
您可以使用：
>>> np.concatenate([array1, array2, ...])
例如
>>> 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]]
〜 – + – 〜 – + – 〜 – + – 〜
有时，如果一个numpy数组对象的shape属性的初始值为不完整的值，会遇到麻烦。 这个问题是通过赋予shape属性元组来解决的：（array_length，element_length）。
注意：这里'array_length'和'element_length'是整数参数，可以replacefor中的值。 一个“元组”只是一对括号中的数字。
例如
>>> 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]])
也许你需要这个。
>>> 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])
