Python 将行和列插入numpy数组

我想在

NumPy

数组中插入多个行和列

如果我有一个长度为

n_a

的正方形数组，例如：

n_a=3

a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])

我想得到一个大小为

n_b

的新数组，它包含数组

a

和

0

（或任何其他长度为

n_b

的

1D

数组）和索引，例如

index = [1, 3] 

所以

n_b=n_a+len（索引）

。那么新阵列是：

b = np.array([[1, 0, 2, 0, 3],
              [0, 0, 0, 0, 0],
              [4, 0, 5, 0, 6],
              [0, 0, 0, 0, 0],
              [7, 0, 8, 0, 9]])

我的问题是，如何有效地做到这一点，假设通过更大的数组

n\u a

比

len（index）

大得多

编辑

结果如下：

import numpy as np
import random

n_a = 5000
n_index = 100

a=np.random.rand(n_a, n_a)
index = random.sample(range(n_a), n_index)

沃伦·韦克瑟的解决方案：0.208秒

wim的解决方案：0.980秒

Ashwini Chaudhary溶液：0.955 s

---

谢谢大家

您可以通过在

a

上应用两个

numpy.insert

调用来执行此操作：

>>> a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])
>>> indices = np.array([1, 3])
>>> i = indices - np.arange(len(indices))
>>> np.insert(np.insert(a, i, 0, axis=1), i, 0, axis=0)
array([[1, 0, 2, 0, 3],
       [0, 0, 0, 0, 0],
       [4, 0, 5, 0, 6],
       [0, 0, 0, 0, 0],
       [7, 0, 8, 0, 9]])

---

由于索引返回的是副本而不是视图， 我只能分两步思考如何做到这一点。也许一个裸体巫师知道一个更好的方法

给你：

import numpy as np

a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])

index = [1, 3]
n = a.shape[0]
N = n + len(index)

non_index = [x for x in xrange(N) if x not in index]

b = np.zeros((N,n), a.dtype)
b[non_index] = a

a = np.zeros((N,N), a.dtype)
a[:, non_index] = b

---

这里有一个方法。它与@wim的答案有些重叠，但它使用索引广播将

a

复制到

b

，只需一个赋值

import numpy as np

a = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])

index = [1, 3]
n_b = a.shape[0] + len(index)

not_index = np.array([k for k in range(n_b) if k not in index])

b = np.zeros((n_b, n_b), dtype=a.dtype)
b[not_index.reshape(-1,1), not_index] = a

你为什么不能就这样？这有零个循环或for语句

xlen = a.shape[1]
ylen = a.shape[0]
b = np.zeros((ylen * 2 - ylen % 2, xlen * 2 - xlen % 2))  #accomodates both odd and even shapes
b[0::2,0::2] = a

---

这是可行的，但是我正在寻找一个更通用的方法来说明创建空数组后要做什么（arr[：：2，：：2]=a仅适用于这种情况）。对于这种3x3大小，此解决方案的速度要慢5-10倍。但对于100x100矩阵，它比其他2（2x）矩阵更快。内部

insert

使用构建大型填充矩阵，然后用旧数据填充它。因此，速度差异必须（主要）来自于首先对行进行操作，然后对列进行操作。@Warren Weckesser的解决方案速度更快。-（-1）我被纠正了，我认为

np.insert

必须移动大量数据，但它的实现似乎比我想象的要好。是的，很好！这是最好的方法，这就是我试图用

b[not_index，：][：，not_index]=a

（这不起作用）所做的。你的方法应该比我的快两倍左右。