Como adicionar uma nova linha a uma matriz numpy vazia

158

Usando matrizes Python padrão, posso fazer o seguinte:

arr = []
arr.append([1,2,3])
arr.append([4,5,6])
# arr is now [[1,2,3],[4,5,6]]

No entanto, não posso fazer a mesma coisa numpy. Por exemplo:

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]

Também examinei vstack, mas quando uso vstackem uma matriz vazia, recebo:

ValueError: all the input array dimensions except for the concatenation axis must match exactly

Então, como anexo uma nova linha a uma matriz vazia em numpy?

python numpy scipy

— Tony Stark
fonte

1

Se estiver vazio, por que se preocupar? Basta iniciar a partir de uma matriz contendo apenas a primeira linha.

— jonrsharpe

10

Eu só quero saber se é possível anexar a uma matriz numpy vazia. Às vezes, é mais fácil escrever código assim, pois as operações de acréscimo estão em loop.

— Tony Stark

5

Dada a forma como matrizes numpy trabalho, você é muito melhor construir um array vazio, em seguida, colocar os dados em, por exemplo, See stackoverflow.com/questions/568962/...

— jonrsharpe

227

A maneira de "iniciar" a matriz que você deseja é:

arr = np.empty((0,3), int)

Que é uma matriz vazia, mas tem a dimensionalidade adequada.

>>> arr
array([], shape=(0, 3), dtype=int64)

Não se esqueça de anexar ao longo do eixo 0:

arr = np.append(arr, np.array([[1,2,3]]), axis=0)
arr = np.append(arr, np.array([[4,5,6]]), axis=0)

Mas, @jonrsharpe está certo. De fato, se você for anexar um loop, seria muito mais rápido anexar a uma lista como no seu primeiro exemplo, depois converter para uma matriz numpy no final, já que você realmente não está usando numpy como pretendido durante o loop:

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

A maneira numpythonic de fazer isso depende da sua aplicação, mas seria mais como:

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

— askewchan
fonte

e se eu tiver que fazer isso 10 ^ 5 ou 10 ^ 6 vezes? parece que nenhum desses métodos será válido. alguma sugestão?

— Rho Phi

@ Roberto, geralmente há alguma maneira de determinar o tamanho ou a forma (no mínimo, os valores seriam preferíveis) da matriz com antecedência. Você acha que pode fazer isso? Anexar deve realmente ser uma operação de uma ou duas vezes.

— askewchan

às vezes você não consegue adivinhar as dimensões, é a vida. No entanto, você pode alocar uma matriz grande o suficiente e atribuir valores às suas visualizações. Eu não gosto disso, porque existem valores indesejados que é preciso encontrar uma maneira de "mascarar". Essa idéia de mascarar realmente não se encaixa no meu gosto.

— Rho Phi

Não há necessidade de mascarar, apenas cortar! a = a[:N] Embora eu acredite firmemente que você deve encontrar uma maneira de vetorizá-la (poste uma nova pergunta com suas especificações, se precisar de ajuda) ou apenas use listas até que o ciclo termine.

— askewchan

29

Aqui está a minha solução:

arr = []
arr.append([1,2,3])
arr.append([4,5,6])
np_arr = np.array(arr)

— just4fun
fonte

A matriz resultante tem um tipo de objeto, o que não é aceitável em certos casos

— zer0fool

26

Nesse caso, você pode querer usar as funções np.hstack e 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]]

Você também pode usar a função np.concatenate.

Felicidades

— mrcl
fonte

7

Não funcionará se a segunda matriz tiver dimensão> = 2 como as ((2, 2)). Parece-me que não há como evitar casos de fronteira se você estiver criando matrizes vazias por concatenação.

— Taozi 20/10/2015

Não é uma boa solução, pois é necessário verificar a dimensão todas as vezes.

— SKR

1

usando uma definição de dtype personalizada, o que funcionou para mim foi:

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'])

— boclodoa
fonte

1

No caso de adicionar novas linhas para a matriz em loop, atribua a matriz diretamente para a primeira vez em loop, em vez de inicializar uma matriz vazia.

for i in range(0,len(0,100)):
    SOMECALCULATEDARRAY = .......
    if(i==0):
        finalArrayCollection = SOMECALCULATEDARRAY
    else:
        finalArrayCollection = np.vstack(finalArrayCollection,SOMECALCULATEDARRAY)

Isso é útil principalmente quando a forma da matriz é desconhecida

— Rajesh_Saladi
fonte

0

Eu quero fazer um loop for, mas com o método askewchan ele não funciona bem, então eu o modifiquei.

x=np.empty((0,3))
y=np.array([1 2 3])
for i in ...
x = vstack((x,y))

— Qingdong Wang
fonte