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
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]])
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]])
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]])
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]])
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]])
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])