vectores multiplicar matrices funcion ejemplos arreglos arange python arrays math numpy

python - multiplicar - ¿Cuál es la forma más sencilla de extender una matriz numpy en 2 dimensiones?



shape en python (7)

Tengo una matriz 2d que se ve así:

XX xx

¿Cuál es la forma más eficiente de agregar una fila y columna adicionales?

xxy xxy yyy

Para obtener puntos de bonificación, también me gustaría poder eliminar filas y columnas individuales, así que, por ejemplo, en la matriz de abajo me gustaría poder eliminar todas las a''s, dejando solo las x, específicamente estoy tratando de eliminar la enésima fila y la enésima columna al mismo tiempo, y quiero poder hacerlo lo más rápido posible:

xxaxx xxaxx aaaaa xxaxx xxaxx

El más corto en términos de líneas de código que puedo pensar es para la primera pregunta.

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

Y la para la segunda pregunta

p = np.array(range(20)) >>> p.shape = (4,5) >>> p array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]) >>> n = 2 >>> p = np.append(p[:n],p[n+1:],0) >>> p = np.append(p[...,:n],p[...,n+1:],1) >>> p array([[ 0, 1, 3, 4], [ 5, 6, 8, 9], [15, 16, 18, 19]])

Me resulta mucho más fácil "extender" a través de la asignación en una matriz más grande. P.ej

import numpy as np p = np.array([[1,2], [3,4]]) g = np.array(range(20)) g.shape = (4,5) g[0:2, 0:2] = p

Aquí están los arreglos:

p

array([[1, 2], [3, 4]])

g :

array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]])

y la g resultante después de la asignación:

array([[ 1, 2, 2, 3, 4], [ 3, 4, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]])

Otra solución elegante a la primera pregunta puede ser el comando de insert :

p = np.array([[1,2],[3,4]]) p = np.insert(p, 2, values=0, axis=1) # insert values before column 2

Lleva a:

array([[1, 2, 0], [3, 4, 0]])

insert puede ser más lenta que la append pero le permite completar toda la fila / columna con un valor fácilmente.

En cuanto a la segunda pregunta , se ha sugerido delete antes:

p = np.delete(p, 2, axis=1)

Que restaura la matriz original de nuevo:

array([[1, 2], [3, 4]])

Puedes usar:

>>> np.concatenate([array1, array2, ...])

p.ej

>>> import numpy as np >>> a = [[1, 2, 3],[10, 20, 30]] >>> b = [[100,200,300]] >>> a = np.array(a) # not necessary, but numpy objects prefered to built-in >>> b = np.array(b) # "^ >>> a array([[ 1, 2, 3], [10, 20, 30]]) >>> b array([[100, 200, 300]]) >>> c = np.concatenate([a,b]) >>> c array([[ 1, 2, 3], [ 10, 20, 30], [100, 200, 300]]) >>> print c [[ 1 2 3] [ 10 20 30] [100 200 300]]

~ - + - ~ - + - ~ - + - ~

A veces, te encontrarás con problemas si un objeto numpy array se inicializa con valores incompletos para su propiedad de forma. Este problema se soluciona asignando a la propiedad de forma la tupla: (array_length, element_length).

Nota: Aquí, ''array_length'' y ''element_length'' son parámetros enteros, en los que se sustituyen los valores. Una ''tupla'' es solo un par de números entre paréntesis.

p.ej

>>> import numpy as np >>> a = np.array([[1,2,3],[10,20,30]]) >>> b = np.array([100,200,300]) # initialize b with incorrect dimensions >>> a.shape (2, 3) >>> b.shape (3,) >>> c = np.concatenate([a,b]) Traceback (most recent call last): File "<pyshell#191>", line 1, in <module> c = np.concatenate([a,b]) ValueError: all the input arrays must have same number of dimensions >>> b.shape = (1,3) >>> c = np.concatenate([a,b]) >>> c array([[ 1, 2, 3], [ 10, 20, 30], [100, 200, 300]])

tal vez lo necesites

>>> x = np.array([11,22]) >>> y = np.array([18,7,6]) >>> z = np.array([1,3,5]) >>> np.concatenate((x,y,z)) array([11, 22, 18, 7, 6, 1, 3, 5])

Una respuesta alternativa útil a la primera pregunta, usando los ejemplos de la respuesta de Tomeedee , sería usar los métodos numpy vstack y column_stack :

Dada una matriz p,

>>> import numpy as np >>> p = np.array([ [1,2] , [3,4] ])

una matriz aumentada puede ser generada por:

>>> p = np.vstack( [ p , [5 , 6] ] ) >>> p = np.column_stack( [ p , [ 7 , 8 , 9 ] ] ) >>> p array([[1, 2, 7], [3, 4, 8], [5, 6, 9]])

Estos métodos pueden ser prácticos en la práctica que np.append (), ya que permiten agregar matrices 1D a una matriz sin ninguna modificación, en contraste con el siguiente escenario:

>>> p = np.array([ [ 1 , 2 ] , [ 3 , 4 ] , [ 5 , 6 ] ] ) >>> p = np.append( p , [ 7 , 8 , 9 ] , 1 ) Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/usr/lib/python2.6/dist-packages/numpy/lib/function_base.py", line 3234, in append return concatenate((arr, values), axis=axis) ValueError: arrays must have same number of dimensions

En respuesta a la segunda pregunta, una buena manera de eliminar filas y columnas es utilizar la indexación de matriz lógica de la siguiente manera:

Dada una matriz p,

>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) )

supongamos que queremos eliminar la fila 1 y la columna 2:

>>> r , c = 1 , 2 >>> p = p [ np.arange( p.shape[0] ) != r , : ] >>> p = p [ : , np.arange( p.shape[1] ) != c ] >>> p array([[ 0, 1, 3, 4], [10, 11, 13, 14], [15, 16, 18, 19]])

Nota: para los usuarios de Matlab reformados, si desea hacer esto en un solo trazo, debe indizar dos veces:

>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) ) >>> p = p [ np.arange( p.shape[0] ) != r , : ] [ : , np.arange( p.shape[1] ) != c ]

Esta técnica también se puede ampliar para eliminar conjuntos de filas y columnas, por lo que si quisiéramos eliminar las filas 0 y 2 y las columnas 1, 2 y 3 podríamos usar la función setdiff1d de numpy para generar el índice lógico deseado:

>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) ) >>> r = [ 0 , 2 ] >>> c = [ 1 , 2 , 3 ] >>> p = p [ np.setdiff1d( np.arange( p.shape[0] ), r ) , : ] >>> p = p [ : , np.setdiff1d( np.arange( p.shape[1] ) , c ) ] >>> p array([[ 5, 9], [15, 19]])