如何向空的numpy数组添加新行答案

【问题标题】：How to add a new row to an empty numpy array如何向空的numpy数组添加新行
【发布时间】：2014-04-19 00:09:03
【问题描述】：

使用标准 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]

我也查看了vstack，但是当我在一个空数组上使用vstack 时，我得到：

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

那么如何在 numpy 中将新行追加到空数组中？

【问题讨论】：

如果它是空的，何必呢？只需从仅包含第一行的数组开始。
我只想知道是否可以追加到一个空的numpy数组。有时写这样的代码会更干净，因为追加操作是在循环中。
鉴于 numpy 数组的工作方式，您最好先构建一个空数组，然后将数据放入，例如见stackoverflow.com/questions/568962/…
如何创建一维数组？ np.empty(3,float) 给出array([0.00e+000, 0.00e+000, 2.77e-322])，而不是array([])。

标签： python numpy scipy

【解决方案1】：

在这种情况下，您可能需要使用函数 np.hstack 和 np.vstack

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

【讨论】：

如果第二个数组的维度 >=2 （如（(2, 2))），则不起作用。在我看来，如果您通过串联从空构建数组，则无法避免边界情况。
不是一个好的解决方案，因为每次都需要检查尺寸。

【解决方案2】：

“开始”你想要的数组的方法是：

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

这是一个空数组，但它具有适当的维度。

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

那么一定要沿轴 0 追加：

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 是对的。实际上，如果您要在循环中追加，那么在第一个示例中追加到列表会快得多，然后在最后转换为 numpy 数组，因为您实际上并没有使用 numpy 作为打算在循环期间：

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 的方式取决于您的应用程序，但更像是：

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

【讨论】：

如果我必须这样做 10^5 或 10^6 次怎么办？似乎这两种方法都不成立。有什么建议吗？
@Roberto，通常有一些方法可以提前确定数组的大小或形状（至少，值会更好）。你觉得你能做到吗？附加实际上应该是一两次操作。
有时你无法猜测尺寸，这就是生活。但是，您可以分配一个足够大的数组并为其视图赋值。不过我不喜欢它，因为人们必须找到一种“掩盖”的方法，因为有些不需要的值。这种掩饰的想法真的不符合我的口味。
无需遮罩，切片即可！ a = a[:N] 虽然我坚信你应该找到一种方法来矢量化它（如果你需要帮助，请发布一个新的问题，并附上你的具体情况）或者只使用列表直到循环结束。
如何创建一维数组？ np.empty(3,float) 给出array([0.00e+000, 0.00e+000, 2.77e-322])，而不是array([])。

【解决方案3】：

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'])

【讨论】：

【解决方案4】：

这是我的解决方案：

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

【讨论】：

生成的数组具有对象的 dtype，在某些情况下这是不可接受的

【解决方案5】：

如果为循环中的数组添加新行，请直接为循环中的第一次分配数组，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)

这主要在数组的形状未知时有用

【讨论】：

【解决方案6】：

我想做一个for循环，但是用askewchan的方法效果不好，所以修改了一下。

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

【讨论】：

【解决方案7】：

考虑到内存，这是更有效的方法：

shape = (n, inp_len)
arr= np.empty(shape)

for i in range(n):
    arr[i] = np.expand_dims(arr, axis=0)

【讨论】：