如何将一个 numpy 矩阵附加到一个空的 numpy 数组中

Question

我想通过循环将一个 numpy 数组（矩阵）附加到一个数组中

data=[[2 2 2] [3 3 3]]
Weights=[[4 4 4] [4 4 4] [4 4 4]]
All=np.array([])  
for i in data:
    #i=[2 2 2 ]  #for example
    h=i*Weights         
    #h=[[8 8 8][8 8 8][8 8 8]] 
    All=np.concatenate((All,h),axis=0)                

我得到这个错误：

ValueError: all the input arrays must have same number of dimensions

我希望“All”变量为

[[8 8 8][8 8 8][8 8 8] [12 12 12][12 12 12][12 12 12]]

如何通过循环将“h”添加到“All”？

Answer 1

选项 1： 将您的初始 All 数组重新整形为 3 列，以便列数与 h 匹配：

All=np.array([]).reshape((0,3))

for i in data:
    h=i*Weights      
    All=np.concatenate((All,h))

All
#array([[  8.,   8.,   8.],
#       [  8.,   8.,   8.],
#       [  8.,   8.,   8.],
#       [ 12.,  12.,  12.],
#       [ 12.,  12.,  12.],
#       [ 12.,  12.,  12.]])

选项 2： 使用 if-else 语句处理初始空数组情况：

All=np.array([])
for i in data:
    h=i*Weights      
    if len(All) == 0:
        All = h
    else:
        All=np.concatenate((All,h))

All
#array([[ 8,  8,  8],
#       [ 8,  8,  8],
#       [ 8,  8,  8],
#       [12, 12, 12],
#       [12, 12, 12],
#       [12, 12, 12]])

选项 3： 使用itertools.product()：

import itertools
np.array([i*j for i,j in itertools.product(data, Weights)])

#array([[ 8,  8,  8],
#       [ 8,  8,  8],
#       [ 8,  8,  8],
#       [12, 12, 12],
#       [12, 12, 12],
#       [12, 12, 12]])

Answer 2

Adam，只使用一对嵌套循环怎么样？我相信这段代码会做你想做的。

import numpy as np
data = ([2,2,2],[3,3,3])
weights = ([4,4,4],[4,4,4],[4,4,4])

output=np.array([])
for each_array in data:
    for weight in weights:
            each_multiplication = np.multiply(each_array, weight)
            output = np.append(output,each_multiplication)

print output

np.multiply() 执行元素乘法而不是矩阵乘法。尽我所能从您的示例输入和输出中了解到，这就是您要完成的工作。

Answer 3

这可能不是最好的解决方案，但它似乎有效。

data = np.array([[2, 2, 2], [3, 3, 3]])
Weights = np.array([[4, 4, 4], [4, 4, 4], [4, 4, 4]])
All = []

for i in data:
    for j in Weights:
        h = i * j
        All.append(h)

All = np.array(All)

我想说这不是最好的解决方案，因为它将结果附加到列表中，最后将列表转换为 numpy 数组，但它适用于小型应用程序。我的意思是，如果您必须进行这样的繁重计算，我会考虑寻找另一种方法。无论如何，使用这种方法，您不必考虑浮点数的数字转换。希望这可以帮助。

Answer 4

使用循环构造数组的一种首选方法是收集列表中的值，并在最后执行一次concatenate：

In [1025]: data
Out[1025]: 
array([[2, 2, 2],
       [3, 3, 3]])
In [1026]: Weights
Out[1026]: 
array([[4, 4, 4],
       [4, 4, 4],
       [4, 4, 4]])

追加到列表比重复concatenate快得多；此外，它还避免了“空”数组形状问题：

In [1027]: alist=[]
In [1028]: for row in data:
      ...:     alist.append(row*Weights)
In [1029]: alist
Out[1029]: 
[array([[8, 8, 8],
        [8, 8, 8],
        [8, 8, 8]]), array([[12, 12, 12],
        [12, 12, 12],
        [12, 12, 12]])]

In [1031]: np.concatenate(alist,axis=0)
Out[1031]: 
array([[ 8,  8,  8],
       [ 8,  8,  8],
       [ 8,  8,  8],
       [12, 12, 12],
       [12, 12, 12],
       [12, 12, 12]])

您还可以使用np.array 或np.stack 在新维度上加入数组：

In [1032]: np.array(alist)
Out[1032]: 
array([[[ 8,  8,  8],
        [ 8,  8,  8],
        [ 8,  8,  8]],

       [[12, 12, 12],
        [12, 12, 12],
        [12, 12, 12]]])
In [1033]: _.shape
Out[1033]: (2, 3, 3)

我可以用一个简单的广播乘法构建这个 3d 版本 - 没有循环

In [1034]: data[:,None,:]*Weights[None,:,:]
Out[1034]: 
array([[[ 8,  8,  8],
        [ 8,  8,  8],
        [ 8,  8,  8]],

       [[12, 12, 12],
        [12, 12, 12],
        [12, 12, 12]]])

添加.reshape(-1,3) 以获得 (6,3) 版本。

np.repeat(data,3,axis=0)*np.tile(Weights,[2,1]) 还生成所需的 6x3 数组。