如何将行添加到 numpy 数组中？
我有一个数组 A：
A = array([[0, 1, 2], [0, 2, 0]])
如果 X 中每一行的第一个元素满足特定条件，我希望从另一个数组 X 向该数组添加行。
Numpy 数组没有像列表那样的“附加”方法，或者看起来是这样。
如果 A 和 X 是列表，我只会这样做：
for i in X:
if i[0] < 3:
A.append(i)
有没有 numpythonic 方法可以做到这一点？
谢谢， S ;-)
【问题讨论】：
你可以这样做：
newrow = [1, 2, 3]
A = numpy.vstack([A, newrow])
【讨论】：
X 是什么？如果它是一个二维数组，那么如何将它的行与一个数字进行比较：i < 3？
在 OP 评论后编辑：
A = array([[0, 1, 2], [0, 2, 0]])
X = array([[0, 1, 2], [1, 2, 0], [2, 1, 2], [3, 2, 0]])
添加到A 中来自X 的所有行，其中第一个元素< 3：
import numpy as np
A = np.vstack((A, X[X[:,0] < 3]))
# returns:
array([[0, 1, 2],
[0, 2, 0],
[0, 1, 2],
[1, 2, 0],
[2, 1, 2]])
【讨论】：
A 预分配内存方面所做的出色工作相悖。显然，对于这个答案中的小问题，这不是问题，但对于大数据来说可能会更麻烦。
由于这个问题是 7 年前提出的，在我使用的最新版本是 numpy 版本 1.13 和 python3 中，我正在做同样的事情，向矩阵添加一行，记得放一个 double括号到第二个参数，否则会引发尺寸错误。
在这里我在矩阵 A 上添加
1 2 3
4 5 6
一行
7 8 9
np.r_ 中的用法相同
A = [[1, 2, 3], [4, 5, 6]]
np.append(A, [[7, 8, 9]], axis=0)
>> array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
#or
np.r_[A,[[7,8,9]]]
只是对某人感兴趣，如果您想添加一个列，
array = np.c_[A,np.zeros(#A's row size)]
按照我们之前对矩阵 A 所做的操作，向其添加一列
np.c_[A, [2,8]]
>> array([[1, 2, 3, 2],
[4, 5, 6, 8]])
如果你想前置，你可以翻转参数的顺序，即：
np.r_([[7, 8, 9]], A)
>> array([[7, 8, 9],
[1, 2, 3],
[4, 5, 6]])
【讨论】：
如果在每一行之后都不需要计算，那么在 python 中添加行，然后转换为 numpy.以下是使用 python 3.6 与 numpy 1.14 的时序测试，一次添加 100 行：
import numpy as np
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
因此，从七年前开始，原始问题的简单解决方案是在将行转换为 numpy 数组后使用 vstack() 添加新行。但更现实的解决方案应该考虑 vstack 在这些情况下的糟糕性能。如果您不需要在每次添加后对数组运行数据分析，最好将新行缓冲到 python 行列表（实际上是列表列表），并将它们作为一个组添加到 numpy 数组在进行任何数据分析之前使用 vstack()。
【讨论】：
您也可以这样做：
newrow = [1,2,3]
A = numpy.concatenate((A,newrow))
【讨论】：
np.concatenate((A,newrow), axis=0)
1.12.1（和 Python 3 中）开始，似乎试图将向量连接到矩阵引发 ValueError: all the input arrays must have same number of dimensions。看起来它希望在愿意连接之前将向量显式重塑为列或行向量。
newrow = [[1,2,3]]
import numpy as np
array_ = np.array([[1,2,3]])
add_row = np.array([[4,5,6]])
array_ = np.concatenate((array_, add_row), axis=0)
【讨论】：
我使用更快的'np.vstack'，例如：
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])
【讨论】：
如果您可以在单个操作中完成构建，那么类似 vstack-with-fancy-indexing 的答案是一种很好的方法。但是，如果您的情况更复杂，或者您的行是即时出现的，您可能需要增加数组。事实上，做这样的事情的 numpythonic 方法——动态增长一个数组——是动态增长一个列表：
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
列表针对这种访问模式进行了高度优化；您在列表形式中没有方便的 numpy 多维索引，但只要您要追加，就很难比行数组列表做得更好。
【讨论】：
您可以使用numpy.append() 将一行追加到 numty 数组中，然后再整形为矩阵。
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)
【讨论】：
我使用numpy.insert(arr, i, the_object_to_be_added, axis) 以便在第i 行(axis=0) 或列(axis=1) 插入object_to_be_added
import numpy as np
a = np.array([[1, 2, 3], [5, 4, 6]])
# array([[1, 2, 3],
# [5, 4, 6]])
np.insert(a, 1, [55, 66], axis=1)
# array([[ 1, 55, 2, 3],
# [ 5, 66, 4, 6]])
np.insert(a, 2, [50, 60, 70], axis=0)
# array([[ 1, 2, 3],
# [ 5, 4, 6],
# [50, 60, 70]])
太老的讨论了，但我希望它对某人有所帮助。
【讨论】：