Jak utworzyć pustą tablicę / macierz w NumPy?

Nie mogę wymyślić, jak użyć tablicy lub macierzy w sposób, w jaki normalnie użyłbym listy. Chcę utworzyć pustą tablicę (lub macierz), a następnie dodawać do niej jedną kolumnę (lub wiersz) na raz.

W tej chwili jedynym sposobem, aby to zrobić, jest:

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

Gdyby to była lista, zrobiłbym coś takiego:

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

Czy istnieje sposób na użycie tego rodzaju notacji w przypadku tablic lub macierzy NumPy ?

Masz niewłaściwy model mentalny do efektywnego korzystania z NumPy. Tablice NumPy są przechowywane w ciągłych blokach pamięci. Jeśli chcesz dodać wiersze lub kolumny do istniejącej tablicy, cała tablica musi zostać skopiowana do nowego bloku pamięci, tworząc luki dla nowych elementów do przechowywania. Jest to bardzo nieefektywne, jeśli jest wykonywane wielokrotnie w celu zbudowania tablicy.

W przypadku dodawania wierszy najlepiej jest utworzyć tablicę, która będzie tak duża, jak ostatecznie będzie zestaw danych, a następnie dodawać do niej dane wiersz po rzędzie:

>>> 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.]])

Tablica NumPy jest bardzo inną strukturą danych niż lista i została zaprojektowana do użycia na różne sposoby. Twoje użycie hstackjest potencjalnie bardzo nieefektywne ... za każdym razem, gdy go wywołasz, wszystkie dane z istniejącej tablicy są kopiowane do nowej. ( appendFunkcja będzie miała ten sam problem.) Jeśli chcesz budować swoją matrycę po jednej kolumnie na raz, najlepiej jest zachować ją na liście, dopóki nie zostanie ukończona, a dopiero potem przekształcić ją w tablicę.

na przykład

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

itemmoże być listą, tablicą lub dowolnym iterowalnym, o ile każdy itemma taką samą liczbę elementów.
W tym konkretnym przypadku ( datajest to możliwe do wielokrotnego przechowywania kolumny macierzy) możesz po prostu użyć

mat = numpy.array(data)

(Należy również pamiętać, że używanie listjako nazwy zmiennej prawdopodobnie nie jest dobrą praktyką, ponieważ maskuje typ wbudowany tą nazwą, co może prowadzić do błędów).

EDYTOWAĆ:

Jeśli z jakiegoś powodu naprawdę chcesz utworzyć pustą tablicę, możesz po prostu użyć numpy.array([]), ale jest to rzadko przydatne!

Aby utworzyć pustą tablicę wielowymiarową w NumPy (np. Tablicę 2D m*ndo przechowywania macierzy), na wypadek, gdybyś nie wiedział, mile wierszy dołączysz i nie przejmujesz się kosztami obliczeniowymi wspomnianymi przez Stephena Simmonsa (a mianowicie ponownym zbudowaniem tablica na każdym dołącz), można wycisnąć do 0 wymiaru, do którego chcesz dołączyć do: X = np.empty(shape=[0, n]).

W ten sposób możesz na przykład użyć (tutaj, o m = 5którym zakładamy, że nie wiedzieliśmy podczas tworzenia pustej matrycy, i 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

co da ci:

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

Dużo się nad tym zastanawiałem, ponieważ musiałem użyć tablicy numpy.array jako zestawu w jednym z moich szkolnych projektów i musiałem zostać zainicjowany pusty ... Nie znalazłem żadnej istotnej odpowiedzi na temat przepełnienia stosu, więc zacząłem doodling czegoś.

# 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)

Wynik będzie:

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

Dlatego możesz bezpośrednio zainicjować tablicę np w następujący sposób:

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

Mam nadzieję, że to pomoże.

Możesz użyć funkcji dołączania. Dla rzędów:

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

Dla kolumn:

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

EDYCJA
Oczywiście, jak wspomniano w innych odpowiedziach, chyba że wykonujesz pewne przetwarzanie (np. Inwersję) na macierzy / macierzy KAŻDY raz, gdy coś do niej dodasz, po prostu stworzę listę, dołączę do niej, a następnie przekonwertuję na szyk.

Jeśli nie znasz ostatecznego rozmiaru tablicy, możesz zwiększyć jej rozmiar w następujący sposób:

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.]]

• Zwróć uwagę na 0w pierwszym wierszu.
• numpy.appendjest inną opcją. Wzywa numpy.concatenate.

Możesz go zastosować do zbudowania dowolnego rodzaju tablicy, np. Zer:

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

Oto kilka obejść, dzięki którym numpys wyglądają bardziej jak Listy

np_arr = np.array([])
np_arr = np.append(np_arr , 2)
np_arr = np.append(np_arr , 24)
print(np_arr)

WYJŚCIE: tablica ([2., 24.])

W zależności od tego, do czego go używasz, może być konieczne określenie typu danych (patrz „dtype” ).

Na przykład, aby utworzyć tablicę 2D o 8-bitowych wartościach (odpowiednią do użycia jako obraz monochromatyczny):

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

W przypadku obrazu RGB podaj liczbę kanałów kolorów w kształcie: shape=(H,W,3)

Możesz również rozważyć zainicjowanie zera numpy.zeroszamiast zamiast numpy.empty. Zobacz notatkę tutaj .

Myślę, że chcesz obsłużyć większość pracy z listami, a następnie użyć wyniku jako macierzy. Może to jest sposób;

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

mat = np.matrix(ur_list)

Myślę, że możesz stworzyć pustą tablicę numpy, taką jak:

>>> import numpy as np
>>> empty_array= np.zeros(0)
>>> empty_array
array([], dtype=float64)
>>> empty_array.shape
(0,)

Ten format jest przydatny, gdy chcesz dołączyć tablicę numpy w pętli.

Aby utworzyć pustą tablicę NumPy bez określania jej kształtu, należy:

1.

arr = np.array([]) 

preferowane. bo wiesz, że będziesz używać tego jako numpy.

2)

arr = []
# and use it as numpy. append to it or etc..

NumPy konwertuje to później na typ np.ndarray, bez dodatkowych [] dimionsion.