NumPy-append与Python-append
在Python中,我可以附加到空数组,如:NumPy-append与Python-append,python,numpy,Python,Numpy,在Python中,我可以附加到空数组,如: >>> a = [] >>> a.append([1,2,3]) >>> a.append([1,2,3]) >>> a [[1, 2, 3], [1, 2, 3]] 我怎么能在NumPy做同样的事np.append会将数组展平(我需要在开头有一个空数组)。我想您正在寻找: 使用np.append 让我们从一个空的二维数组开始: In [8]: a = np.array([]);
>>> a = []
>>> a.append([1,2,3])
>>> a.append([1,2,3])
>>> a
[[1, 2, 3], [1, 2, 3]]
我怎么能在NumPy做同样的事<很遗憾,code>np.append会将数组展平(我需要在开头有一个空数组)。我想您正在寻找: 使用
np.append
让我们从一个空的二维数组开始:
In [8]: a = np.array([]); a = a.reshape((0, 3)); a
Out[8]: array([], shape=(0, 3), dtype=float64)
In [28]: a = np.array([]); a = a.reshape((0, 3)); a
Out[28]: array([], shape=(0, 3), dtype=float64)
现在,让我们附加一些行:
In [19]: a = np.append(a, [[1, 2, 3]], axis=0 ); a
Out[19]: array([[ 1., 2., 3.]])
In [20]: a = np.append(a, [[1, 2, 3]], axis=0 ); a
Out[20]:
array([[ 1., 2., 3.],
[ 1., 2., 3.]])
In [29]: a = np.concatenate( (a, [[1, 2, 3]]), axis=0 ); a
Out[29]: array([[ 1., 2., 3.]])
In [30]: a = np.concatenate( (a, [[1, 2, 3]]), axis=0 ); a
Out[30]:
array([[ 1., 2., 3.],
[ 1., 2., 3.]])
使用np.连接:
同样,让我们从一个空的二维数组开始:
In [8]: a = np.array([]); a = a.reshape((0, 3)); a
Out[8]: array([], shape=(0, 3), dtype=float64)
In [28]: a = np.array([]); a = a.reshape((0, 3)); a
Out[28]: array([], shape=(0, 3), dtype=float64)
现在,让我们连接一些行:
In [19]: a = np.append(a, [[1, 2, 3]], axis=0 ); a
Out[19]: array([[ 1., 2., 3.]])
In [20]: a = np.append(a, [[1, 2, 3]], axis=0 ); a
Out[20]:
array([[ 1., 2., 3.],
[ 1., 2., 3.]])
In [29]: a = np.concatenate( (a, [[1, 2, 3]]), axis=0 ); a
Out[29]: array([[ 1., 2., 3.]])
In [30]: a = np.concatenate( (a, [[1, 2, 3]]), axis=0 ); a
Out[30]:
array([[ 1., 2., 3.],
[ 1., 2., 3.]])
OP打算以空数组开始。所以,这里有一种使用NumPy的方法
In [2]: a = np.empty((0,3), int)
In [3]: a
Out[3]: array([], shape=(0L, 3L), dtype=int32)
In [4]: a = np.append(a, [[1,2,3]], axis=0)
In [5]: a
Out[5]: array([[1, 2, 3]])
In [6]: a = np.append(a, [[1,2,3]], axis=0)
In [7]: a
Out[7]:
array([[1, 2, 3],
[1, 2, 3]])
但是,如果要添加大量循环。首先附加列表并转换为数组比附加NumPy数组更快
In [8]: %%timeit
...: list_a = []
...: for _ in xrange(10000):
...: list_a.append([1, 2, 3])
...: list_a = np.asarray(list_a)
...:
100 loops, best of 3: 5.95 ms per loop
In [9]: %%timeit
....: arr_a = np.empty((0, 3), int)
....: for _ in xrange(10000):
....: arr_a = np.append(arr_a, np.array([[1,2,3]]), 0)
....:
10 loops, best of 3: 110 ms per loop
我建议创建一个包含一个元素/行/列的零数组,然后使用np.append()
,最后删除第一个元素/行/列。我建议您是否可以预定义实际数组大小,而不是每次都更改大小。请列出您的列表,然后创建数组:np.array(a)
。Listappend
比arrayappend
快。NumPy通常会自动转换列表,所以我删除了不需要的array()
转换。NumPy通常会自动转换列表,所以我删除了不需要的array()
转换。这个答案比append()
更合适,因为vstack()。