Numpy-行を配列に追加

どうやって派手な配列に行を追加するのですか？

私は配列Aを持っています：

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

Xの各行の最初の要素が特定の条件を満たす場合、別の配列Xからこの配列に行を追加します。

Numpy配列には、リストのような「追加」メソッドがないため、そうです。

AとXがリストである場合、私は単に次のようにします。

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

同等のものを行うnumpythonicな方法はありますか？

ありがとう、S ;-)

なにX？2D配列の場合、行と数値をどのように比較できますi < 3か？

OPのコメントの後の編集：

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

最初の要素の場所からAすべての行に追加します。X< 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]])

よくこれを行うことができます：

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

この質問は7年前でしたので、私が使用している最新バージョンはnumpyバージョン1.13、およびpython3ですが、行列に行を追加することで同じことを行っています、2番目の引数にダブルブラケットを置くことを忘れないでください、そうしないと、寸法エラーが発生します。

ここで、マトリックスAを追加します

1 2 3
4 5 6

行あり

7 8 9

同じ使用法 np.r_

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]]]

列を追加したい場合は、誰かが興味を持って、

array = np.c_[A,np.zeros(#A's row size)]

前にマトリックスAで行った方法に従って、列を追加します

np.c_[A, [2,8]]

>> array([[1, 2, 3, 2],
          [4, 5, 6, 8]])

これを行うこともできます：

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

すべての行の後に計算が必要ない場合は、Pythonで行を追加してからnumpyに変換する方がはるかに高速です。python 3.6とnumpy 1.14を使用したタイミングテストで、100行ずつ追加します。

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

したがって、7年前の元の質問に対する簡単な解決策は、vstack（）を使用して、行をnumpy配列に変換した後で新しい行を追加することです。しかし、より現実的なソリューションでは、これらの状況でのvstackのパフォーマンスの低下を考慮する必要があります。追加のたびに配列でデータ分析を実行する必要がない場合は、新しい行をpythonの行のリスト（実際にはリストのリスト）にバッファーし、それらをグループとしてnumpy配列に追加することをお勧めしますデータ分析を行う前にvstack（）を使用します。

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)

1回の操作で作成できる場合は、vstack-with-fancy-indexingの回答のようなものが適切なアプローチです。ただし、条件がより複雑であるか、行がその場で入ってくる場合は、配列を大きくすることをお勧めします。実際、このようなことを行うnumpythonicの方法-配列を動的に拡張する-は、リストを動的に拡張することです。

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

リストは、この種のアクセスパターン用に高度に最適化されています。リスト形式では便利な多機能の多次元インデックス付けはありませんが、追加している限り、行配列のリストよりも優れた操作を行うことは困難です。

私はより高速な「np.vstack」を使用しています、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])

を使用numpy.append()して、numpty配列に行を追加し、後で行列に再形成できます。

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)