Добавление массива NumPy в массив NumPy

Question

Добавление массива NumPy в массив NumPy

у меня есть numpy_array. Что-то вроде [ a b c ].

и затем я хочу, чтобы добавить его в другой массив NumPy (так же, как мы создаем список списков). Как создать массив массивов NumPy, содержащий массивы NumPy?

Я пытался сделать следующее без всякой удачи

>>> M = np.array([])

>>> M

array([], dtype=float64)

>>> M.append(a,axis=0)

Traceback (most recent call last):

 File "<stdin>", line 1, in <module>

AttributeError: 'numpy.ndarray' object has no attribute 'append'

>>> a

array([1, 2, 3])

508 6

python numpy

6 ответов:

Comments

Ничего не найдено.

endolith · Accepted Answer · 2016-08-02 20:27:02

In [1]: import numpy as np

In [2]: a = np.array([[1, 2, 3], [4, 5, 6]])

In [3]: b = np.array([[9, 8, 7], [6, 5, 4]])

In [4]: np.concatenate((a, b))
Out[4]: 
array([[1, 2, 3],
       [4, 5, 6],
       [9, 8, 7],
       [6, 5, 4]])

или такой:

In [1]: a = np.array([1, 2, 3])

In [2]: b = np.array([4, 5, 6])

In [3]: np.vstack((a, b))
Out[3]: 
array([[1, 2, 3],
       [4, 5, 6]])

Sven Marnach · Accepted Answer · 2014-01-17 20:24:26

Ну, сообщение об ошибке говорит все это: массивы NumPy не имеют append() метод. Есть бесплатная функция numpy.append():
numpy.append(M, a)
Это позволит создать новый массив, вместо того, чтобы мутировать M на месте. Обратите внимание, что с помощью numpy.append() включает копирование обоих массивов. Вы получите более эффективный код, если будете использовать массивы NumPy фиксированного размера.

Zhai Zhiwei · Accepted Answer · 2017-04-01 18:09:09

Вы можете использовать numpy.append()...
import numpy

B = numpy.array([3])
A = numpy.array([1, 2, 2])
B = numpy.append( B , A )

print B

> [3 1 2 2]
это не создаст два отдельных массива, но добавит два массива в один размерный массив.

lukecampbell · Accepted Answer · 2012-03-19 20:03:36

Свен сказал Все это, просто будьте очень осторожны из-за автоматической настройки типа при вызове append.
In [2]: import numpy as np

In [3]: a = np.array([1,2,3])

In [4]: b = np.array([1.,2.,3.])

In [5]: c = np.array(['a','b','c'])

In [6]: np.append(a,b)
Out[6]: array([ 1.,  2.,  3.,  1.,  2.,  3.])

In [7]: a.dtype
Out[7]: dtype('int64')

In [8]: np.append(a,c)
Out[8]: 
array(['1', '2', '3', 'a', 'b', 'c'], 
      dtype='|S1')
Как вы видите, на основе содержимого dtype перешел от int64 к float32, а затем к S1

Michael Ma · Accepted Answer · 2017-03-16 11:14:18

на самом деле всегда можно создать обычный список массивов NumPy и преобразовать его позже.
In [1]: import numpy as np

In [2]: a = np.array([[1,2],[3,4]])

In [3]: b = np.array([[1,2],[3,4]])

In [4]: l = [a]

In [5]: l.append(b)

In [6]: l = np.array(l)

In [7]: l.shape
Out[7]: (2, 2, 2)

In [8]: l
Out[8]: 
array([[[1, 2],
        [3, 4]],

       [[1, 2],
        [3, 4]]])

linhares · Accepted Answer · 2014-09-22 15:10:59

Если я понимаю ваш вопрос, вот один из способов. Скажем, у вас есть:
a = [4.1, 6.21, 1.0]
Так вот какой-то код...
def array_in_array(scalarlist):
    return [(x,) for x in scalarlist]
что приводит к:
In [72]: a = [4.1, 6.21, 1.0]

In [73]: a
Out[73]: [4.1, 6.21, 1.0]

In [74]: def array_in_array(scalarlist):
   ....:     return [(x,) for x in scalarlist]
   ....: 

In [75]: b = array_in_array(a)

In [76]: b
Out[76]: [(4.1,), (6.21,), (1.0,)]