numpy配列を初期化する

形状の派手な配列を初期化してそれに追加する方法はありますか？リストの例で必要なものを説明します。ループで生成されたオブジェクトのリストを作成する場合は、次のようにできます。

a = []
for i in range(5):
    a.append(i)

numpy配列で同様のことをしたいのですが。私はvstackやconcatenateなどについて知っています。しかし、これらは入力として2つのnumpy配列を必要とするようです。私が必要なのは：

big_array # Initially empty. This is where I don't know what to specify
for i in range(5):
    array i of shape = (2,4) created.
    add to big_array

big_array形状を持つべきです(10,4)。これを行う方法？

編集：

次の説明を追加したいと思います。私はそれを定義big_array = numpy.zeros((10,4))してそれを埋めることができることを知っています。ただし、これには事前にbig_arrayのサイズを指定する必要があります。この場合、サイズはわかりますが、知らない場合はどうなりますか？.appendPythonでリストを拡張する関数を使用する場合、事前に最終的なサイズを知る必要はありません。空の配列から始めて、小さな配列からより大きな配列を作成するために似たようなものが存在するかどうか疑問に思っています。

numpy.zeros

ゼロで埋められた、指定された形状とタイプの新しい配列を返します。

または

numpy.ones

与えられた形状とタイプの新しい配列を返します。

または

numpy.empty

エントリを初期化せずに、指定された形状とタイプの新しい配列を返します。

ただし、リストに要素を追加して配列を作成するメンタリティは、効率が悪いため、numpyではあまり使用されません（numpyデータ型は、基になるC配列に非常に近くなります）。代わりに、配列を必要なサイズに事前に割り当ててから、行を埋めてください。numpy.appendただし、必要に応じて使用できます。

私が通常行う方法は、通常のリストを作成してから、それにデータを追加し、最後に次のようにリストをnumpy配列に変換することです。

import numpy as np
big_array = [] #  empty regular list
for i in range(5):
    arr = i*np.ones((2,4)) # for instance
    big_array.append(arr)
big_np_array = np.array(big_array)  # transformed to a numpy array

もちろん、最終的なオブジェクトは作成ステップでメモリの2倍のスペースを取りますが、Pythonリストへの追加は非常に高速で、np.array（）を使用して作成することもできます。

numpy 1.8で導入：

numpy.full

fill_valueで満たされた、指定された形状とタイプの新しい配列を返します。

例：

>>> import numpy as np
>>> np.full((2, 2), np.inf)
array([[ inf,  inf],
       [ inf,  inf]])
>>> np.full((2, 2), 10)
array([[10, 10],
       [10, 10]])

Pythonの配列アナログ

a = []
for i in range(5):
    a.append(i)

です：

import numpy as np

a = np.empty((0))
for i in range(5):
    a = np.append(a, i)

numpy.fromiter() あなたが探しているものです：

big_array = numpy.fromiter(xrange(5), dtype="int")

ジェネレーター式でも機能します。例：

big_array = numpy.fromiter( (i*(i+1)/2 for i in xrange(5)), dtype="int" )

事前に配列の長さがわかっている場合は、オプションの 'count'引数で指定できます。

アレイコンピューティングを実行するときは、明示的なループをできるだけ回避する必要があります。これは、その形式のコンピューティングによる速度の向上を低下させるためです。numpy配列を初期化する方法は複数あります。ゼロで埋めたい場合は、katrielalexが言ったようにします。

big_array = numpy.zeros((10,4))

編集：どのようなシーケンスで作成していますか？numpy.linspace(start, stop, size)（等間隔の数）やのような配列を作成するさまざまなnumpy関数をチェックする必要がありますnumpy.arange(start, stop, inc)。可能な場合、これらの関数は、明示的なループで同じ作業を行うよりも配列を大幅に高速化します

最初の配列の例として、

a = numpy.arange(5)

big_arrayを初期化するには、

big_array = numpy.zeros((10,4))

これはゼロで初期化することを想定していますが、これはかなり一般的ですが、numpyで配列を初期化する方法は他にもたくさんあります。

編集： big_arrayのサイズが事前にわからない場合は、通常、最初に追加を使用してPythonリストを作成し、リストにすべてを収集したら、を使用してこのリストをnumpy配列に変換することをお勧めしますnumpy.array(mylist)。この理由は、リストは非常に効率的かつ迅速に拡大することを目的としているのに対し、numpy配列はサイズを簡単に変更できないため、numpy.concatenateは非常に非効率的です。しかし、すべてがリストに収集され、最終的な配列サイズがわかったら、numpy配列を効率的に構築できます。

numpy配列を特定の行列で初期化するには：

import numpy as np

mat = np.array([[1, 1, 0, 0, 0],
                [0, 1, 0, 0, 1],
                [1, 0, 0, 1, 1],
                [0, 0, 0, 0, 0],
                [1, 0, 1, 0, 1]])

print mat.shape
print mat

出力：

(5, 5)
[[1 1 0 0 0]
 [0 1 0 0 1]
 [1 0 0 1 1]
 [0 0 0 0 0]
 [1 0 1 0 1]]

次の状況にあるときはいつでも：

a = []
for i in range(5):
    a.append(i)

そして、あなたはnumpyで同様のものを望んでいます、以前のいくつかの答えはそれを行う方法を指摘しましたが、@ katrielalexが指摘したように、これらの方法は効率的ではありません。これを行うための効率的な方法は、長いリストを作成し、長いリストを作成した後、それを希望どおりに再形成することです。たとえば、ファイルからいくつかの行を読み込んでいて、各行に数値のリストがあり、形の数の多い配列（読み込んだ行の数、各行のベクトルの長さ）を構築するとします。これが私がより効率的に行う方法です：

long_list = []
counter = 0
with open('filename', 'r') as f:
    for row in f:
        row_list = row.split()
        long_list.extend(row_list)
        counter++
#  now we have a long list and we are ready to reshape
result = np.array(long_list).reshape(counter, len(row_list)) #  desired numpy array

私はこれが少し遅れていることを理解していますが、空の配列へのインデックス付けについて言及している他の回答には気付きませんでした：

big_array = numpy.empty(10, 4)
for i in range(5):
    array_i = numpy.random.random(2, 4)
    big_array[2 * i:2 * (i + 1), :] = array_i

このようにして、結果の配列全体を事前に割り当て、numpy.emptyインデックス付きの割り当てを使用して行を埋めていきます。

配列全体が生成したチャンクで満たされることが保証されているためempty、指定zerosした例の代わりにで事前に割り当てることは完全に安全です。

最初に形状を定義することをお勧めします。次に、それを反復して値を挿入します。

big_array= np.zeros(shape = ( 6, 2 ))
for it in range(6):
    big_array[it] = (it,it) # For example

>>>big_array

array([[ 0.,  0.],
       [ 1.,  1.],
       [ 2.,  2.],
       [ 3.,  3.],
       [ 4.,  4.],
       [ 5.,  5.]])

多分このようなものはあなたのニーズに合うでしょう。

import numpy as np

N = 5
res = []

for i in range(N):
    res.append(np.cumsum(np.ones(shape=(2,4))))

res = np.array(res).reshape((10, 4))
print(res)

次の出力を生成します

[[ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]]