Python 是否有一种内存有效的方法可以将零列和零行插入numpy数组？

我有一个大（对称）numpy矩阵

arr

。它的形状

arr.shape=（50\u 000，50\u 000）

。我想插入一些零行/列（以对称方式）。假设我要插入的行/列的数量可能是

123

小例子 如果我理解正确，那么这段代码将创建数组的副本并一直复制内容

问题:

---

我想这可能会更简单/更有效？有没有其他方法可以提高效率？

如果

insert\u cols

，我们可以这样做-

n = len(insert_cols)
out = np.zeros((n,n),arr.dtype)
idx = np.flatnonzero(insert_cols)
out[np.ix_(idx,idx)] = arr # or out[idx[:,None],idx] = arr

或者，使用布尔版本进行索引。因此-

insert_cols_bool = np.asarray(insert_cols, dtype=bool)

然后，使用

insert\u cols\u bool

代替

idx

---

稀疏矩阵 为了提高内存效率，我们可以将输出存储为稀疏矩阵-

from scipy.sparse import coo_matrix

l = len(idx)
r,c = np.broadcast_to(idx[:,None],(l,l)).ravel(),np.broadcast_to(idx,(l,l)).ravel()
out = coo_matrix((arr.ravel(), (r,c)), shape=(n,n))

---

以固定大小预分配整个数组是一种选择吗？我已经有过类似的案例，我花了几个小时来解决这个问题：在我的理解中（这是非常基本的，我将在本文后面介绍），使用np.insert或np.concatenate进行有效插入是不可能的。我发现最好的方法是将数组转换为列表，然后插入所需内容，然后将列表重新转换为数组。@MateenUlhaq Yes！预分配确实是可能的，但结果必须是一个新数组（

resize

方法在其功能上非常有限），因此您必须复制源的所有值。我不会重复插入

insert

；太多的新阵列。这看起来好多了-这已经很酷了（+1）。然而，我不确定

out[np.ix(idx，idx）]=arr

的开销。它本质上只在数组上运行一次吗？@Martintoma Well

np.ix(idx，idx）

创建一个二维开放网格，然后索引到

out

数组中，并一步向其中分配

arr

值。

from scipy.sparse import coo_matrix

l = len(idx)
r,c = np.broadcast_to(idx[:,None],(l,l)).ravel(),np.broadcast_to(idx,(l,l)).ravel()
out = coo_matrix((arr.ravel(), (r,c)), shape=(n,n))