python - que - Cómo agregar una nueva fila a una matriz numpy vacía

matrices en python numpy

Question

Usando matrices estándar de Python, 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 miré en vstack , pero cuando uso vstack en una matriz vacía, obtengo:

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

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

Answer 1

Aquí está mi solución:

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

Answer 2

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.

Aclamaciones

Answer 3

La forma de "comenzar" 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)

A continuación, 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 agregarlo a una lista como en su primer ejemplo, luego convierta 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 manera 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

Answer 4

usando una definición de tipo de letra 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''])