python - matrices - Numpy: agrega una fila a la matriz

funcion arange en python

Question

¿Cómo se pueden agregar filas a una matriz numpy?

Tengo una matriz A:

A = array([[0, 1, 2], [0, 2, 0]])

Deseo agregar filas a esta matriz desde otra matriz X si el primer elemento de cada fila en X cumple una condición específica.

Las matrices Numpy no tienen un método ''adjuntar'' como el de las listas, o al menos eso parece.

Si A y X fueran listas, simplemente lo haría:

for i in X:
if i[0] < 3:
A.append(i)

¿Hay una manera numpythonic para hacer el equivalente?

Gracias, S ;-)

Answer 1

¿Qué es X ? Si se trata de una matriz 2D, ¿cómo puedes comparar su fila con un número: i < 3 ?

EDITAR después del comentario de OP:

A = array([[0, 1, 2], [0, 2, 0]])
X = array([[0, 1, 2], [1, 2, 0], [2, 1, 2], [3, 2, 0]])

agregar a A todas las filas de X donde el primer elemento < 3 :

A = vstack((A, X[X[:,0] < 3]))
# returns:
array([[0, 1, 2],
[0, 2, 0],
[0, 1, 2],
[1, 2, 0],
[2, 1, 2]])

Answer 2

Como esta pregunta se ha realizado 7 años antes, en la última versión que estoy usando es numpy versión 1.13, y python3, estoy haciendo lo mismo al agregar una fila a una matriz, recuerde poner un paréntesis doble en el segundo argumento, de lo contrario, aumentará el error de dimensión. mismo uso en np.r_

np.append([[1, 2, 3], [4, 5, 6]], [[7, 8, 9]], axis=0)
>> array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])

Solo para alguien intercalado, si desea agregar una columna,

array = np.c_[A,np.zeros(#A''s row size)]

Answer 3

Puede usar numpy.append() para agregar una fila a numpty array y remodelar a una matriz más adelante.

import numpy as np
a = np.array([1,2])
a = np.append(a, [3,4])
print a
# [1,2,3,4]
# in your example
A = [1,2]
for row in X:
A = np.append(A, row)

Answer 4

Si no se necesitan cálculos después de cada fila, es mucho más rápido agregar filas en python, luego convertir a numpy. Aquí están las pruebas de tiempo usando python 3.6 contra numpy 1.14, agregando 100 filas, una a la vez:

import numpy as py
from time import perf_counter, sleep
def time_it():
# Compare performance of two methods for adding rows to numpy array
py_array = [[0, 1, 2], [0, 2, 0]]
py_row = [4, 5, 6]
numpy_array = np.array(py_array)
numpy_row = np.array([4,5,6])
n_loops = 100
start_clock = perf_counter()
for count in range(0, n_loops):
numpy_array = np.vstack([numpy_array, numpy_row]) # 5.8 micros
duration = perf_counter() - start_clock
print(''numpy 1.14 takes {:.3f} micros per row''.format(duration * 1e6 / n_loops))
start_clock = perf_counter()
for count in range(0, n_loops):
py_array.append(py_row) # .15 micros
numpy_array = np.array(py_array) # 43.9 micros
duration = perf_counter() - start_clock
print(''python 3.6 takes {:.3f} micros per row''.format(duration * 1e6 / n_loops))
sleep(15)
#time_it() prints:
numpy 1.14 takes 5.971 micros per row
python 3.6 takes 0.694 micros per row

Entonces, la solución simple a la pregunta original, de hace siete años, es usar vstack () para agregar una nueva fila después de convertir la fila a una matriz numpy. Pero una solución más realista debería considerar el bajo rendimiento de vstack en esas circunstancias. Si no necesita ejecutar el análisis de datos en la matriz después de cada adición, es mejor almacenar las nuevas filas en una lista de filas de python (una lista de listas, en realidad), y agregarlas como un grupo a la matriz numpy usando vstack () antes de hacer cualquier análisis de datos.

Answer 5

Si puede hacer la construcción en una sola operación, algo así como la respuesta vstack-con-fantasía-indexación es un buen enfoque. Pero si su condición es más complicada o sus filas llegan sobre la marcha, es posible que desee hacer crecer la matriz. De hecho, la manera numpythonic para hacer algo como esto - crecer dinámicamente una matriz - es hacer crecer dinámicamente una lista:

A = np.array([[1,2,3],[4,5,6]])
Alist = [r for r in A]
for i in range(100):
newrow = np.arange(3)+i
if i%5:
Alist.append(newrow)
A = np.array(Alist)
del Alist

Las listas están altamente optimizadas para este tipo de patrón de acceso; no tiene una conveniente indexación multidimensional numérica mientras está en forma de lista, pero durante todo el tiempo que esté agregando, es difícil hacerlo mejor que una lista de matrices de filas.

Answer 6

También puedes hacer esto:

newrow = [1,2,3]
A = numpy.concatenate((A,newrow))

Answer 7

Yo uso ''np.vstack'' que es más rápido, EX:

import numpy as np
input_array=np.array([1,2,3])
new_row= np.array([4,5,6])
new_array=np.vstack([input_array, new_row])

Answer 8

bien puedes hacer esto:

 newrow = [1,2,3]
A = numpy.vstack([A, newrow])