关于python：在2维中扩展numpy数组的最简单方法是什么？

What's the simplest way to extend a numpy array in 2 dimensions?

我有一个二维数组，如下所示：

1
2

XX
xx

添加额外的行和列的最有效方法是什么：

1
2
3

xxy
xxy
yyy

对于奖励积分，我还希望能够剔除单个行和列，因此例如在下面的矩阵中，我希望能够剔除所有a，仅保留x-特别是我试图同时删除第n行和第n列-我希望能够尽快执行此操作：

1
2
3
4
5

xxaxx
xxaxx
aaaaa
xxaxx
xxaxx

我可以想到的最短的代码行是第一个问题。

1
2
3
4
5
6
7
8
9
10

>>> 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]])

第二个问题，

1
2
3
4
5
6
7
8
9
10
11
12
13
14

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]])

相关讨论

使用tomeedee的答案中的示例，第一个问题的一个有用的替代答案是使用numpy的vstack和column_stack方法：

给出一个矩阵p，

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

可以通过以下方式生成增强矩阵：

1
2
3
4
5
6

>>> 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]])

与以下情形相比，这些方法在实践中可能比np.append()更为方便，因为它们允许将一维数组附加到矩阵上而无需进行任何修改：

1
2
3
4
5
6
7

>>> 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

为回答第二个问题，删除行和列的一种好方法是使用逻辑数组索引，如下所示：

给出一个矩阵p，

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

假设我们要删除第1行和第2列：

1
2
3
4
5
6
7

>>> 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-对于改革后的Matlab用户-如果您想以单行代码进行操作，则需要索引两次：

1 2	>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) ) >>> p = p [ np.arange( p.shape[0] ) != r , : ] [ : , np.arange( p.shape[1] ) != c ]

此技术也可以扩展为删除行和列集，因此如果我们要删除行0