web-dev-qa-db-fra.com

Numpy - ajoute une ligne à un tableau

Comment ajoute-t-on des lignes à un tableau numpy?

J'ai un tableau A:

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

Je souhaite ajouter des lignes à ce tableau à partir d'un autre tableau X si le premier élément de chaque ligne de X répond à une condition spécifique.

Les tableaux Numpy n'ont pas de méthode 'append' comme celle des listes, semble-t-il.

Si A et X étaient des listes, je ferais simplement:

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

Existe-t-il un moyen numpythonic de faire l’équivalent?

Merci, S ;-)

pythonarraysnumpyrows
119
Darren J. Fitzpatrick

Qu'est-ce que X? Si c'est un tableau 2D, comment pouvez-vous alors comparer sa ligne à un nombre: i < 3?

EDIT après le commentaire de OP:

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

ajouter à A toutes les lignes de X où le premier élément < 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]])
97
eumiro

bien tu peux faire ça:

  newrow = [1,2,3]
  A = numpy.vstack([A, newrow])
132
jknair

Vous pouvez aussi faire ceci:

newrow = [1,2,3]
A = numpy.concatenate((A,newrow))
8
cam

Si aucun calcul n'est nécessaire après chaque ligne, il est beaucoup plus rapide d'ajouter des lignes en python, puis de les convertir en numpy. Voici des tests de synchronisation utilisant python 3.6 vs. numpy 1.14, en ajoutant 100 lignes, une à la fois:

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

Ainsi, la solution simple à la question initiale, posée il y a sept ans, consiste à utiliser vstack () pour ajouter une nouvelle ligne après l'avoir convertie en tableau numpy. Mais une solution plus réaliste devrait prendre en compte les mauvaises performances de vstack dans ces circonstances. Si vous n'avez pas besoin d'exécuter l'analyse de données sur le tableau après chaque addition, il est préférable de mettre en tampon les nouvelles lignes dans une liste de lignes python (une liste de listes, en réalité), et de les ajouter en tant que groupe au tableau numpy. en utilisant vstack () avant toute analyse de données.

3
rbasham

Si vous pouvez effectuer la construction en une seule opération, une solution telle que la réponse vstack-with-fancy-indexing constitue une solution de choix. Mais si votre condition est plus compliquée ou si vos lignes entrent à la volée, vous souhaiterez peut-être agrandir le tableau. En fait, la manière numpythonique de faire quelque chose comme ceci - agrandir dynamiquement un tableau - consiste à agrandir dynamiquement une liste:

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

Les listes sont hautement optimisées pour ce type de modèle d'accès; vous ne disposez pas d'indexation multidimensionnelle numpy pratique lorsque vous êtes sous forme de liste, mais il est difficile de faire mieux qu'une liste de tableaux de rangées.

2
user2475529

Vous pouvez utiliser numpy.append() pour ajouter une ligne à un tableau numpty et le remodeler ultérieurement à une matrice.

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)
2
Charles Chow

J'utilise 'np.vstack' qui est plus rapide, 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])
1
Rona
array_ = np.array([[1,2,3]])
add_row = np.array([[4,5,6]])

array_ = np.concatenate((array_, add_row), axis=0)
0
naman1994