初始化一个数字数组

有没有方法初始化一个形状的数字数组并添加到它？我将用一个列表示例来解释我需要什么。如果我想创建一个循环中生成的对象列表，我可以这样做:

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

我想用一个 numpy 数组做一些类似的事情。我知道 vstack，concatenate 等等。然而，这些似乎需要两个数字数组作为输入。我需要的是:

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应该有一个形状 (10,4)。如何做到这一点？

编辑:

我想补充以下说明。我知道我可以定义 big_array = numpy.zeros((10,4))，然后填充它。但是，这需要事先指定 big _ array 的大小。我知道这个案子的规模，但如果我不知道呢？当我们使用 .append函数在 python 中扩展列表时，我们不需要事先知道它的最终大小。我想知道是否存在类似的方法来从较小的数组创建更大的数组，从一个空数组开始。

718419 次浏览
小开
最佳答案

numpy.zeros

返回给定形状的新数组 类型，用零填充。

或者

numpy.ones

返回给定形状的新数组 类型，充满了一个。

或者

numpy.empty

返回给定形状的新数组 类型，而不初始化条目。

然而，在 numpy 中，我们通过向列表添加元素来构造数组的思想并没有得到很好的应用，因为它的效率较低(numpy 数据类型更接近底层的 C 数组)。相反，您应该将数组预先分配到所需的大小，然后填充行。但是，如果必须的话，可以使用 numpy.append。

小开

在进行数组计算时，您确实希望尽可能避免显式的循环，因为这会降低从这种形式的计算中获得的速度增益。初始化一个数字数组有多种方法。如果你想让它充满零，就像 katrielalex 说的那样:

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

编辑: 你在做什么样的序列？您应该查看创建数组的不同的 numpy 函数，如 numpy.linspace(start, stop, size)(等间距数字)或 numpy.arange(start, stop, inc)。在可能的情况下，这些函数将使数组比在显式循环中做同样的工作快得多

小开

对于第一个数组示例,

a = numpy.arange(5)

若要初始化 big _ array，请使用

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

这里假设您希望使用零进行初始化，这非常典型，但是还有许多其他的 在 numpy 中初始化数组的方法。

编辑: 如果您事先不知道 big _ array 的大小，那么通常最好首先使用 append 构建一个 Python 列表，当您在列表中收集了所有内容后，使用 numpy.array(mylist)将该列表转换为一个 numpy 数组。这样做的原因是，列表的增长是非常有效和快速的，而 numpy.concatenate 的效率会非常低，因为 numpy 数组不容易改变大小。但是一旦所有内容都收集到一个列表中，并且您知道最终的数组大小，就可以有效地构造一个数字数组。

小开

我通常的做法是创建一个常规列表，然后将我的内容添加到其中，最后将列表转换为一个数字数组，如下所示:

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

当然，在创建步骤中，最终对象占用的内存空间是原来的两倍，但是在 python 列表中添加对象非常快，而且使用 np.array ()创建对象也非常快。

小开

numpy.fromiter()就是你要找的:

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

它还可以处理生成器表达式，例如:

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

如果预先知道数组的长度，可以使用可选的“ count”参数指定它。

小开

蟒蛇的数组模拟

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

是:

import numpy as np


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

我意识到这有点晚了，但我没有注意到任何其他的答案提到索引到空数组:

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

这样，您可以使用 numpy.empty预分配整个结果数组，并在使用索引赋值时填充行。

在您给出的示例中，使用 empty而不是 zeros预分配是完全安全的，因为您要保证整个数组将用您生成的块填充。

小开

1.8版本:

numpy.full

返回一个给定形状和类型的新数组，该数组由 fill _ value 填充。

例子:

>>> 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]])
小开

我建议先定义形状。 然后对它进行迭代以插入值。

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.]])
小开

无论何时，只要你处于下列情况:

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

你想要一些类似的数字，之前的几个答案已经指出了这样做的方法，但是正如@katrielalex 指出的那样，这些方法是没有效率的。做到这一点的有效方法是建立一个长列表，然后重新塑造它的方式后，你有一个长列表。例如，假设我正在从一个文件中读取一些行，每一行都有一个数字列表，我想构建一个形状的数组(读取的行数、每一行的向量长度)。以下是我将如何更有效地做到这一点:

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
小开

也许这样的东西会适合你的需要. 。

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)

它产生以下输出

[[ 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.]]
小开

用特定的矩阵初始化一个数字数组:

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

产出:

(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]]
小开

如果要在多维数组中添加项，以下是解决方案。

import numpy as np
big_array = np.ndarray(shape=(0, 2, 4) # Empty with height and width 2, 4 and length 0


for i in range(5):
big_array = np.concatenate((big_array, i))

这里是麻木的 转介的正式文件

小开 
# https://thispointer.com/create-an-empty-2d-numpy-array-matrix-and-append-rows-or-columns-in-python/


# Create an empty Numpy array with 4 columns or 0 rows
empty_array = np.empty((0, 4), int)


# Append a row to the 2D numpy array
empty_array = np.append(empty_array, np.array([[11, 21, 31, 41]]), axis=0)
# Append 2nd rows to the 2D Numpy array
empty_array = np.append(empty_array, np.array([[15, 25, 35, 45]]), axis=0)
print('2D Numpy array:')
print(empty_array)

注意每个输入的 np.array 都是2维的


提交答案