Numpy - Zeile zum Array hinzufügen

Wie fügt man einem Numpy-Array Zeilen hinzu?

Ich habe ein Array A:

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

Ich möchte diesem Array Zeilen aus einem anderen Array X hinzufügen, wenn das erste Element jeder Zeile in X eine bestimmte Bedingung erfüllt.

Numpy Arrays haben keine Methode, die wie Listen angehängt wird, oder so scheint es.

Wenn A und X Listen wären, würde ich nur Folgendes tun:

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

Gibt es eine numpythonische Möglichkeit, das Äquivalent zu tun?

Danke, S ;-)

Was ist X? Wenn es sich um ein 2D-Array handelt, wie können Sie dann seine Zeile mit einer Zahl vergleichen : i < 3?

BEARBEITEN nach dem Kommentar von OP:

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

Fügen Sie Aallen Zeilen hinzu, von Xdenen aus das erste Element stammt < 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]])

Nun, du kannst das tun:

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

Da diese Frage vor 7 Jahren gestellt wurde, mache ich in der neuesten Version, die ich verwende, Numpy Version 1.13 und Python3, dasselbe mit dem Hinzufügen einer Zeile zu einer Matrix. Denken Sie daran , dem zweiten Argument eine doppelte Klammer hinzuzufügen. Andernfalls wird ein Dimensionsfehler ausgelöst.

Hier füge ich Matrix A hinzu

1 2 3
4 5 6

mit einer Reihe

7 8 9

gleiche Verwendung in 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]]]

Nur für jemanden, der interessiert ist, wenn Sie eine Spalte hinzufügen möchten,

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

Befolgen Sie die Anweisungen in Matrix A und fügen Sie eine Spalte hinzu

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

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

Sie können dies auch tun:

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

Wenn nach jeder Zeile keine Berechnungen erforderlich sind, können Sie Zeilen in Python viel schneller hinzufügen und dann in numpy konvertieren. Hier sind Timing-Tests mit Python 3.6 vs. Numpy 1.14, bei denen nacheinander 100 Zeilen hinzugefügt werden:

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

Die einfache Lösung für die ursprüngliche Frage von vor sieben Jahren besteht darin, mit vstack () eine neue Zeile hinzuzufügen, nachdem die Zeile in ein numpy-Array konvertiert wurde. Eine realistischere Lösung sollte jedoch die schlechte Leistung von vstack unter diesen Umständen berücksichtigen. Wenn Sie nicht nach jedem Hinzufügen eine Datenanalyse für das Array ausführen müssen, ist es besser, die neuen Zeilen in eine Python-Liste von Zeilen (eigentlich eine Liste von Listen) zu puffern und sie als Gruppe zum numpy-Array hinzuzufügen Verwenden Sie vstack (), bevor Sie eine Datenanalyse durchführen.

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)

Wenn Sie die Konstruktion in einer einzigen Operation ausführen können, ist so etwas wie die Antwort vstack-with-phantasie-indexing ein guter Ansatz. Wenn Ihr Zustand jedoch komplizierter ist oder Ihre Zeilen im laufenden Betrieb eingehen, möchten Sie möglicherweise das Array vergrößern. Tatsächlich besteht die numpythonische Methode, um so etwas zu tun - ein Array dynamisch zu vergrößern - darin, eine Liste dynamisch zu vergrößern:

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

Listen sind stark für diese Art von Zugriffsmustern optimiert. Sie haben keine bequeme mehrdimensionale Numpy-Indizierung in Listenform, aber solange Sie anhängen, ist es schwierig, dies besser zu machen als eine Liste von Zeilenarrays.

Ich benutze 'np.vstack', was schneller ist, 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])

Sie können numpy.append()eine Zeile an ein leeres Array anhängen und später an eine Matrix umformen.

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)