如何将新行添加到空的numpy数组

157

使用标准的Python数组，我可以执行以下操作：

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

但是，我不能在numpy中做同样的事情。例如：

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]

我也研究了vstack，但是在vstack空数组上使用时，得到：

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

那么，如何将新行追加到numpy中的空数组中？

python numpy scipy

— 托尼·斯塔克
source

1

如果是空的，为什么要打扰？只需从仅保留第一行的数组开始。

— jonrsharpe 2014年

10

我只想知道是否有可能追加到一个空的numpy数组。有时，这样编写代码会更加干净，因为追加操作处于循环中。

— 托尼·史塔克

5

鉴于方式numpy的阵列的工作，你有更好的构建一个空数组，然后把数据，如见stackoverflow.com/questions/568962/...

— jonrsharpe

227

“启动”所需阵列的方法是：

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

这是一个空数组，但具有适当的维数。

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

然后确保沿轴0附加：

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

但是，@ jonrsharpe是正确的。实际上，如果要循环添加，那么像第一个示例中那样将其添加到列表中会更快得多，然后最后转换为numpy数组，因为您实际上并没有使用numpy作为打算在循环中：

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

numpythonic的实现方法取决于您的应用程序，但它更像是：

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
source

如果我必须做10 ^ 5或10 ^ 6次怎么办？这些方法似乎都不成立。有什么建议吗？

— 罗披岛

@Roberto，通常有一些方法可以预先确定数组的大小或形状（至少，值是可取的）。您认为可以做到吗？追加实际上应该是一两次操作。

— askewchan '16

有时您无法猜测尺寸，这就是生命。但是，您可以分配足够大的数组并为其视图提供值。但是我不喜欢它，因为有一些不必要的值必须找到一种“掩盖”的方法。这种遮罩的想法确实不符合我的口味。

— 罗披岛

无需遮罩，只需切片！a = a[:N] 尽管我坚信您应该找到一种向量化方法（如果需要帮助，可以用具体信息发布新问题），或者仅使用列表，直到循环结束。

— askewchan '16

29

这是我的解决方案：

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

— just4fun
source

结果数组具有dtype对象，在某些情况下是不可接受的

— zer0fool

26

在这种情况下，您可能需要使用np.hstack和np.vstack函数

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]]

您也可以使用np.concatenate函数。

干杯

— mcl
source

7

如果第二个数组的维数大于等于2（（2，2）），将不起作用。在我看来，如果要通过串联从空中建立阵列，则无法避免边界情况。

— 桃子2015年

这不是一个好的解决方案，因为每次都需要检查尺寸。

— SKR

1

使用自定义dtype定义，对我有用的是：

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'])

— 博克洛多亚
source

1

如果要为循环中的数组添加新行，请直接为首次循环中的数组分配数组，而不是初始化一个空数组。

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

当阵列的形状未知时，这主要有用

— 拉杰什·萨拉迪
source

0

我想做一个for循环，但是用askewchan的方法效果不好，所以我修改了它。

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

— 王庆东
source