使用标准Python数组,我可以做以下操作:
arr = []
arr.append([1,2,3])
arr.append([4,5,6])
# arr is now [[1,2,3],[4,5,6]]
然而,我不能在numpy中做同样的事情。例如:
arr = np.array([])
arr = np.append(arr, np.array([1,2,3]))
arr = np.append(arr, np.array([4,5,6]))
# arr is now [1,2,3,4,5,6]
我还研究了vstack
,但是当我在空数组上使用vstack
时,我得到:
ValueError: all the input array dimensions except for the concatenation axis must match exactly
那么我如何在numpy中添加新行到空数组?
你想要的数组开始的方式是:
arr = np.empty((0,3), int)
这是一个空数组,但它有适当的维度
>>> arr
array([], shape=(0, 3), dtype=int64)
然后确保沿着0轴追加:
arr = np.append(arr, np.array([[1,2,3]]), axis=0)
arr = np.append(arr, np.array([[4,5,6]]), axis=0)
但是,@jonrsharpe是对的。事实上,如果您要在循环中添加,那么像第一个示例那样添加到列表,然后在最后转换为numpy数组会快得多,因为您在循环期间实际上没有按预期使用numpy:
In [210]: %%timeit
.....: l = []
.....: for i in xrange(1000):
.....: l.append([3*i+1,3*i+2,3*i+3])
.....: l = np.asarray(l)
.....:
1000 loops, best of 3: 1.18 ms per loop
In [211]: %%timeit
.....: a = np.empty((0,3), int)
.....: for i in xrange(1000):
.....: a = np.append(a, 3*i+np.array([[1,2,3]]), 0)
.....:
100 loops, best of 3: 18.5 ms per loop
In [214]: np.allclose(a, l)
Out[214]: True
具体的方法取决于您的应用程序,但更像是:
In [220]: timeit n = np.arange(1,3001).reshape(1000,3)
100000 loops, best of 3: 5.93 µs per loop
In [221]: np.allclose(a, n)
Out[221]: True
我的解决方案是:
arr = []
arr.append([1,2,3])
arr.append([4,5,6])
np_arr = np.array(arr)
在这种情况下,您可能希望使用函数np。Hstack和np.vstack
arr = np.array([])
arr = np.hstack((arr, np.array([1,2,3])))
# arr is now [1,2,3]
arr = np.vstack((arr, np.array([4,5,6])))
# arr is now [[1,2,3],[4,5,6]]
也可以使用np。连接函数。
欢呼
我想做一个for循环,但是用askewchan的方法不能很好地工作,所以我修改了它。
x = np.empty((0,3))
y = np.array([1,2,3])
for i in ...
x = np.vstack((x,y))
使用自定义dtype定义,对我来说有效的是:
import numpy
# define custom dtype
type1 = numpy.dtype([('freq', numpy.float64, 1), ('amplitude', numpy.float64, 1)])
# declare empty array, zero rows but one column
arr = numpy.empty([0,1],dtype=type1)
# store row data, maybe inside a loop
row = numpy.array([(0.0001, 0.002)], dtype=type1)
# append row to the main array
arr = numpy.row_stack((arr, row))
# print values stored in the row 0
print float(arr[0]['freq'])
print float(arr[0]['amplitude'])
如果在循环中为数组添加新行,第一次在循环中直接赋值数组,而不是初始化一个空数组。
for i in range(0,len(0,100)):
SOMECALCULATEDARRAY = .......
if(i==0):
finalArrayCollection = SOMECALCULATEDARRAY
else:
finalArrayCollection = np.vstack(finalArrayCollection,SOMECALCULATEDARRAY)
这主要用于数组形状未知的情况
考虑到内存,这是更有效的方法:
shape = (n, inp_len)
arr= np.empty(shape)
for i in range(n):
arr[i] = np.expand_dims(arr, axis=0)