Tengo una matriz numpy que contiene:
[1, 2, 3]Quiero crear una matriz que contenga:
[1, 2, 3, 1]Es decir, quiero agregar el primer elemento al final de la matriz.
He intentado lo obvio:
np.concatenate((a, a[0]))Pero me sale un error diciendo ValueError: arrays must have same number of dimensions
No entiendo esto: las matrices son solo matrices 1d.
Respuestas:
append() crea una nueva matriz que puede ser la matriz anterior con el elemento agregado.
Creo que es más normal usar el método adecuado para agregar un elemento:
a = numpy.append(a, a[0])amatriz. Sin embargo, devuelve una nueva matriz modificada. Por lo tanto, si a se requiere una modificación, se a = numpy.append(a,a[0])debe utilizar.
np.appendutiliza np.concatenate. Solo se asegura de que el complemento tenga una dimensión. El error OP fue que a[0]tiene 0 dimensiones.
a.append(1), a.add(1)o incluso algo análogo a listas comoa + [1]
Al agregar solo una o una vez de vez en cuando, usar np.appenden su matriz debería estar bien. El inconveniente de este enfoque es que la memoria se asigna para una matriz completamente nueva cada vez que se llama. Al cultivar una matriz para una cantidad significativa de muestras, sería mejor preasignar la matriz (si se conoce el tamaño total) o agregarla a una lista y convertirla en una matriz después.
Usando np.append:
b = np.array([0])
for k in range(int(10e4)):
b = np.append(b, k)
1.2 s ± 16.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)Usando la lista de Python convirtiendo a una matriz después:
d = [0]
for k in range(int(10e4)):
d.append(k)
f = np.array(d)
13.5 ms ± 277 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)Preasignación de matriz numpy:
e = np.zeros((n,))
for k in range(n):
e[k] = k
9.92 ms ± 752 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)Cuando se desconoce el tamaño final, la asignación previa es difícil, intenté realizar la asignación previa en partes de 50, pero no se acercó a usar una lista.
85.1 ms ± 561 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)Prueba esto:
np.concatenate((a, np.array([a[0]])))http://docs.scipy.org/doc/numpy/reference/generated/numpy.concatenate.html
concatenar necesita que ambos elementos sean matrices numerosas; sin embargo, un [0] no es una matriz. Por eso no funciona.
np.concatenate((a, [a[0]])). La lista se promoverá automáticamente a un tipo de matriz de todos modos, lo que le ahorrará algo de escritura.
t = np.array([2, 3])
t = np.append(t, [4])Esto puede ser un poco exagerado, pero siempre uso la np.takefunción para cualquier indexación envolvente:
>>> a = np.array([1, 2, 3])
>>> np.take(a, range(0, len(a)+1), mode='wrap')
array([1, 2, 3, 1])
>>> np.take(a, range(-1, len(a)+1), mode='wrap')
array([3, 1, 2, 3, 1])Digamos a=[1,2,3]y quieres que sea [1,2,3,1].
Puede utilizar la función de adición incorporada
np.append(a,1)Aquí 1 es un int, puede ser una cadena y puede pertenecer o no a los elementos de la matriz. Huellas dactilares:[1,2,3,1]
Si desea agregar un elemento, use append()
a = numpy.append(a, 1) en este caso agregue el 1 al final de la matriz
Si desea insertar un elemento, use insert()
a = numpy.insert(a, index, 1) en este caso, puede poner el 1 donde desee, utilizando index para establecer la posición en la matriz.
np.insert([1,2,3], 3, 1)