Cómo agregar una nueva fila a una matriz vacía vacía

158

Utilizando matrices Python estándar, puedo hacer lo siguiente:

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

Sin embargo, no puedo hacer lo mismo en numpy. Por ejemplo:

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]

También investigué vstack, pero cuando lo uso vstacken una matriz vacía, obtengo:

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

Entonces, ¿cómo agrego una nueva fila a una matriz vacía en numpy?

python numpy scipy

— Tony Stark
fuente

1

Si está vacío, ¿por qué molestarse? Simplemente comience desde una matriz que contenga solo la primera fila.

— jonrsharpe

10

Solo quiero saber si es posible agregar a una matriz vacía vacía. A veces es más limpio escribir código como este ya que las operaciones de agregar están en un bucle.

— Tony Stark

55

Dada la forma en que funcionan las matrices numpy, es mucho mejor construir una matriz vacía y luego

— ingresar

227

La forma de "iniciar" la matriz que desea es:

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

Que es una matriz vacía pero tiene la dimensionalidad adecuada.

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

Luego asegúrese de agregar a lo largo del eje 0:

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

Pero @jonrsharpe tiene razón. De hecho, si va a agregar en un bucle, sería mucho más rápido agregar a una lista como en su primer ejemplo, luego convertir a una matriz numpy al final, ya que realmente no está usando numpy como previsto durante el ciclo:

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

La forma numpythonic de hacerlo depende de su aplicación, pero sería más 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
fuente

¿Qué pasa si tengo que hacer esto 10 ^ 5 o 10 ^ 6 veces? parece que ninguno de estos métodos se mantendrá. ¿cualquier sugerencia?

— Rho Phi

@Roberto, por lo general, hay alguna forma de determinar el tamaño o la forma (al menos, los valores serían preferibles) de la matriz por adelantado. ¿Crees que puedes hacer eso? Anexar realmente debería ser una operación de una o dos veces.

— askewchan

a veces no puedes adivinar las dimensiones, es la vida. Sin embargo, puede asignar una matriz lo suficientemente grande y dar valores a sus vistas. Sin embargo, no me gusta, porque hay valores no deseados que uno tiene que encontrar una manera de "enmascarar". Esta idea de enmascarar realmente no se ajusta a mi gusto.

— Rho Phi

No es necesario enmascarar, ¡solo córtala! a = a[:N] Aunque creo firmemente que debe encontrar una manera de vectorizarlo (publique una nueva pregunta con sus detalles si necesita ayuda) o simplemente use listas hasta que termine el ciclo.

— askewchan

29

Aquí está mi solución:

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

— just4fun
fuente

La matriz resultante tiene un tipo de objeto, que no es aceptable en ciertos casos

— zer0fool

26

En este caso, es posible que desee utilizar las funciones np.hstack y 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]]

También puede usar la función np.concatenate.

Salud

— mrcl
fuente

77

No funcionará si la segunda matriz tiene dimensión> = 2 como unos ((2, 2)). Me parece que no hay forma de evitar casos límite si está construyendo matrices de vacío por concatenación.

— Taozi

No es una buena solución ya que uno necesita verificar la dimensión cada vez.

— SKR

1

usando una definición de dtype personalizada, lo que funcionó para mí fue:

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
fuente

1

En caso de agregar nuevas filas para la matriz en bucle, asigne la matriz directamente por primera vez en bucle en lugar de inicializar una matriz vacía.

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

Esto es principalmente útil cuando se desconoce la forma de la matriz

— Rajesh_Saladi
fuente

0

Quiero hacer un bucle for, pero con el método askewchan no funciona bien, así que lo he modificado.

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

— Qingdong Wang
fuente