У меня есть 2d-массив, который выглядит так:
XX
xx
Какой наиболее эффективный способ добавить дополнительную строку и столбец:
xxy
xxy
yyy
Для бонусных очков я бы хотел также выбить отдельные строки и столбцы, так, например, в приведенной ниже матрице я хотел бы выбить все из них, оставив только х - в частности Я пытаюсь удалить n-й ряд и n-й столбец одновременно, и я хочу сделать это как можно быстрее:
xxaxx
xxaxx
aaaaa
xxaxx
xxaxx
Самый короткий в терминах строк кода, о котором я могу думать, - это первый вопрос.
>>> 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]])
И для второго вопроса
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]])
Полезный альтернативный ответ на первый вопрос, используя примеры из tomeedees answer, будет использовать numpys vstack и column_stack методы:
Учитывая матрицу p,
>>> import numpy as np
>>> p = np.array([ [1,2] , [3,4] ])
расширенная матрица может быть сгенерирована:
>>> 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]])
Эти методы могут быть удобными на практике, чем np.append(), поскольку они позволяют добавлять 1D массивы к матрице без каких-либо изменений, в отличие от следующего сценария:
>>> 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
В ответ на второй вопрос хорошим способом удаления строк и столбцов является использование индексации логического массива следующим образом:
Учитывая матрицу p,
>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) )
предположим, что мы хотим удалить строки 1 и столбец 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]])
Примечание. Для реформированных пользователей Matlab - если вы хотите сделать это в однострочном пространстве, вам нужно дважды индексировать:
>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) )
>>> p = p [ np.arange( p.shape[0] ) != r , : ] [ : , np.arange( p.shape[1] ) != c ]
Этот метод также может быть расширен для удаления наборов строк и столбцов, поэтому, если мы хотим удалить строки 0 и 2 и столбцы 1, 2 и 3, мы можем использовать функцию numpy setdiff1d для генерации желаемый логический индекс:
>>> 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]])
Другим элегантным решением первого вопроса может быть команда insert:
p = np.array([[1,2],[3,4]])
p = np.insert(p, 2, values=0, axis=1) # insert values before column 2
Приводит к:
array([[1, 2, 0],
[3, 4, 0]])
insert может быть медленнее, чем append, но позволяет легко заполнить всю строку/столбец одним значением.
Что касается второго вопроса, delete было предложено до:
p = np.delete(p, 2, axis=1)
Что восстанавливает исходный массив снова:
array([[1, 2],
[3, 4]])
Мне гораздо легче "растягивать", назначая в большей матрице. Например.
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
Вот массивы:
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]])
и результат g после назначения:
array([[ 1, 2, 2, 3, 4],
[ 3, 4, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
Ответ на первый вопрос:
Используйте numpy.append.
http://docs.scipy.org/doc/numpy/reference/generated/numpy.append.html#numpy.append
Ответ на второй вопрос:
Использовать numpy.delete
http://docs.scipy.org/doc/numpy/reference/generated/numpy.delete.html
Вы можете использовать:
>>> np.concatenate([array1, array2, ...])
например.
>>> 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]]
~ - + - ~ - + - ~ - + - ~
Иногда вы сталкиваетесь с проблемой, если инициализируется объект numpy array с неполными значениями для его свойства формы. Эта проблема исправлена, присваивая свойству shape кортеж: (array_length, element_length).
Примечание. Здесь "array_length" и "element_length" являются целыми параметрами, которые вы подставляете значения в for. "Кортеж" - это всего лишь пара чисел в круглых скобках.
например.
>>> 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]])
возможно, вам это нужно.
>>> 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])