Как мне создать пустой массив / матрицу в NumPy?

Question

Я не могу понять, как использовать массив или матрицу так, как я бы обычно использовал список. Я хочу создать пустой массив (или матрицу), а затем добавить к нему один столбец (или строку) за раз.

На данный момент я могу найти единственный способ сделать это:

mat = None
for col in columns:
    if mat is None:
        mat = col
    else:
        mat = hstack((mat, col))

Тогда как если бы это был список, я бы сделал что-то вроде этого:

list = []
for item in data:
    list.append(item)

Есть ли способ использовать такую ​​запись для NumPy массивов или матриц?

Answer 1

У вас неправильная ментальная модель для эффективного использования NumPy. Массивы NumPy хранятся в смежных блоках памяти. Если вы хотите добавить строки или столбцы в существующий массив, весь массив необходимо скопировать в новый блок памяти, создавая пробелы для хранения новых элементов. Это очень неэффективно, если многократно выполнять построение массива.

В случае добавления строк лучше всего создать массив, который будет таким же большим, как ваш набор данных, и затем добавить в него данные построчно:

>>> import numpy
>>> a = numpy.zeros(shape=(5,2))
>>> a
array([[ 0.,  0.],
   [ 0.,  0.],
   [ 0.,  0.],
   [ 0.,  0.],
   [ 0.,  0.]])
>>> a[0] = [1,2]
>>> a[1] = [2,3]
>>> a
array([[ 1.,  2.],
   [ 2.,  3.],
   [ 0.,  0.],
   [ 0.,  0.],
   [ 0.,  0.]])

Answer 2

Массив NumPy - это структура данных, сильно отличающаяся от списка, и предназначенная для использования по-разному. Использование hstack потенциально очень неэффективно ... каждый раз, когда вы вызываете его, все данные в существующем массиве копируются в новый. (Функция append будет иметь ту же проблему.) Если вы хотите построить свою матрицу по одному столбцу за раз, возможно, лучше оставить ее в списке до ее завершения, и только затем преобразовать ее в массив.

, например

mylist = []
for item in data:
    mylist.append(item)
mat = numpy.array(mylist)

item может быть списком, массивом или любым итеративным, если так как каждый item имеет одинаковое количество элементов.
В этом конкретном случае (data - это итеративное удерживание столбцов матрицы), вы можете просто использовать

mat = numpy.array(data)

(Также обратите внимание, что использование list в качестве имени переменной, вероятно, не является хорошей практикой, поскольку оно маскирует встроенный тип под этим именем, что может привести к ошибкам.)

EDIT:

Если по какой-то причине вы действительно хотите создать пустой массив, вы можете просто использовать numpy.array([]), но это редко полезно!

Answer 3

Чтобы создать пустой многомерный массив в NumPy (например, двумерный массив m*n для хранения вашей матрицы), на случай, если вы не знаете m, сколько строк вы добавите, и вам не нужны вычислительные затраты Стивен Симмонс упомянул (а именно, перестраивая массив при каждом добавлении), вы можете сжать до 0 измерение, к которому вы хотите добавить: X = np.empty(shape=[0, n]).

Таким образом, вы можете использовать, например (здесь m = 5, который, как мы предполагаем, мы не знали при создании пустой матрицы, и n = 2):

import numpy as np

n = 2
X = np.empty(shape=[0, n])

for i in range(5):
    for j  in range(2):
        X = np.append(X, [[i, j]], axis=0)

print X

, который даст вам:

[[ 0.  0.]
 [ 0.  1.]
 [ 1.  0.]
 [ 1.  1.]
 [ 2.  0.]
 [ 2.  1.]
 [ 3.  0.]
 [ 3.  1.]
 [ 4.  0.]
 [ 4.  1.]]

Answer 4

Я много разбирался в этом, потому что мне нужно было использовать numpy.array в качестве набора в одном из моих школьных проектов, и мне нужно было инициализировать его пустым ... Я не нашел здесь никакого релевантного ответа о переполнении стека, поэтому я начал что-то рисовать.

# Initialize your variable as an empty list first
In [32]: x=[]
# and now cast it as a numpy ndarray
In [33]: x=np.array(x)

Результат будет:

In [34]: x
Out[34]: array([], dtype=float64)

Поэтому вы можете напрямую инициализировать массив np следующим образом:

In [36]: x= np.array([], dtype=np.float64)

Надеюсь, это поможет.

Answer 5

Вы можете использовать функцию добавления. Для строк:

>>> from numpy import *
>>> a = array([10,20,30])
>>> append(a, [[1,2,3]], axis=0)
array([[10, 20, 30],      
       [1, 2, 3]])

Для столбцов:

>>> append(a, [[15],[15]], axis=1)
array([[10, 20, 30, 15],      
       [1, 2, 3, 15]])

---

EDIT
Конечно, как упоминалось в других ответах, если вы не выполняете какую-либо обработку (например, инверсию) для матрицы / массива КАЖДЫЙ раз, когда вы добавляете что-либо к нему, я просто создаю список, добавляю к нему и затем преобразую его в массив .

Answer 6

Вы можете применить его для построения любого вида массива, например, нулей:

a = range(5)
a = [i*0 for i in a]
print a 
[0, 0, 0, 0, 0]

Answer 7

Если вы абсолютно не знаете окончательный размер массива, вы можете увеличить размер массива следующим образом:

my_arr = numpy.zeros((0,5))
for i in range(3):
    my_arr=numpy.concatenate( ( my_arr, numpy.ones((1,5)) ) )
print(my_arr)

[[ 1.  1.  1.  1.  1.]  [ 1.  1.  1.  1.  1.]  [ 1.  1.  1.  1.  1.]]

• Обратите внимание на 0 в первой строке.
• numpy.append - еще один вариант. Звонит numpy.concatenate.

Answer 8

В зависимости от того, для чего вы это используете, вам может потребоваться указать тип данных (см. 'dtype' ).

Например, чтобы создать двумерный массив 8-битных значений (подходит для использования в качестве монохромного изображения):

myarray = numpy.empty(shape=(H,W),dtype='u1')

Для изображения RGB укажите количество цветовых каналов в форме: shape=(H,W,3)

Вы также можете рассмотреть возможность инициализации нулями с numpy.zeros вместо использования numpy.empty. См. Примечание здесь .

Answer 9

Я думаю, что вы хотите обрабатывать большую часть работы со списками, а затем использовать результат в качестве матрицы. Может быть, это способ;

ur_list = []
for col in columns:
    ur_list.append(list(col))

mat = np.matrix(ur_list)