Wie füge ich eine neue Zeile zu einem leeren Nummernfeld hinzu?

Verwendung von standard-Python-arrays, kann ich Folgendes tun:

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

Aber ich kann nicht die gleiche Sache in numpy. Zum Beispiel:

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]

Ich schaute auch in vstackaber wenn ich vstack auf ein leeres array, erhalte ich:

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

So, wie kann ich tun, fügen Sie eine neue Zeile ein leeres array in numpy?

InformationsquelleAutor der Frage Tony Stark | 2014-03-13

  1. 109

    Dem Weg zum "start" das array, das Sie wollen, ist:

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

    Ist ein leeres array, aber es hat die richtige Räumlichkeit.

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

    Dann werden Sie sicher zum Anhängen entlang der Achse, 0:

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

    Aber, @jonrsharpe richtig ist. In der Tat, wenn Sie gehen, um das Anhängen in einer Schleife, es wäre viel schneller zum Anhängen an eine Liste wie in deinem ersten Beispiel, dann konvertieren in ein numpy-array am Ende, da bist du wirklich nicht mit numpy-wie beabsichtigt-während der Schleife:

    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

    Den numpythonic Weg, es zu tun, hängt von Ihrer Anwendung, aber es wäre mehr wie:

    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

    InformationsquelleAutor der Antwort askewchan

  2. 19

    In diesem Fall möchten Sie vielleicht, um die Funktionen np.hstack und 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]]

    Können Sie auch die np.verketten-Funktion.

    Cheers

    InformationsquelleAutor der Antwort mrcl

  3. 9

    Hier ist meine Lösung:

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

    InformationsquelleAutor der Antwort just4fun

  4. 1

    mithilfe einer benutzerdefinierten dtype definition, was für mich gearbeitet wurde:

    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'])

    InformationsquelleAutor der Antwort boclodoa

Schreibe einen Kommentar