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]]) |
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
n
n
n
n
n
n