如何在Python中将向量添加到矩阵中

Question

我想在Python中将一个向量添加到矩阵中。我尝试了append或concatenate方法，但是没有得到答案。之前我在使用Matlab，并且我使用了这个：

m = zeros(10, 4) % define my matrix, 10x4
v = ones(10, 1) % my vecto, 10x1
c = [m,v] % so simple! the result is: 10x5 (the vector added as the last column)

我该如何使用numpy在python中实现这个？

- Hadi

---

你是在说C++还是Python？Python没有向量/数组，它有列表或字典。 - kylieCatt

他指的是NumPy数组。 - Joe Kington

抱歉，我在问题文本中添加了numpy。 - Hadi

我有点生疏了，但是应该是[m v]，而不是[m; v]，对吧？ - DSM

是的，你说得对！这是拼写错误 :) - Hadi

Answer 1

你需要使用np.r_和np.c_。(类似于Matlab风格的范围生成函数，想象一下"列叠加"和"行叠加"。)

此外，还可参考np.concatenate、np.vstack、np.hstack、np.dstack、np.row_stack、np.column_stack等函数。

例如：

import numpy as np
m = np.zeros((10, 4))
v = np.ones((10, 1))
c = np.c_[m, v]

产生：

array([[ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.]])

这也可以等同于np.hstack([m, v])或np.column_stack([m, v])

如果你不熟悉 MATLAB，hstack和column_stack可能更易读且描述更清晰。 (因此在这种情况下它们可能更好。)

然而，np.c_和np.r_具有额外的功能，这些功能是来自MATLAB的人们倾向于期望的。例如：

In [7]: np.r_[1:5, 2]
Out[7]: array([1, 2, 3, 4, 2])

或者：

In [8]: np.c_[m, 0:10]
Out[8]:
array([[ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  2.],
       [ 0.,  0.,  0.,  0.,  3.],
       [ 0.,  0.,  0.,  0.,  4.],
       [ 0.,  0.,  0.,  0.,  5.],
       [ 0.,  0.,  0.,  0.,  6.],
       [ 0.,  0.,  0.,  0.,  7.],
       [ 0.,  0.,  0.,  0.,  8.],
       [ 0.,  0.,  0.,  0.,  9.]])

无论如何，对于Matlab用户来说，除了vstack，hstack等函数之外，了解np.r_和np.c_很方便。

- Joe Kington

---

好的，现在它相当完整。 - joojaa

完全正确，但我不建议在Python代码中使用c_和r_。它们看起来很奇怪，似乎仅仅是为了照顾从MATLAB转过来的用户。 - wim

@cyborg - 基本上，这不容易理解。如果你不熟悉numpy，你认为r_会做什么？第二个（也是更大的）问题是它很令人惊讶。Python开发者习惯于使用索引来检索对象的某些部分。因此，当索引用于创建与父对象(np.r_)无关的东西时，有点令人困惑。 - Joe Kington

是的，这个语法不太符合 Python 的风格 - 看看 np.lib.index_tricks.AxisConcatenator.__getitem__ 的实现就能明白它有多疯狂了。我承认在交互模式下我也使用它们（而且我最初也是从 matlab 转过来的），但在脚本中你应该肯定使用 np.concatenate 和类似方法。 - wim

天啊，他们在索引技巧的实现中需要使用 sys._getframe().f_back.f_globals。就像这样疯狂的东西一定让numpy移植到Python 3花费了数年时间...我只希望他们有良好的单元测试。 - wim

Answer 2

在NumPy中，它是类似的：

>>> m=np.zeros((10,4))
>>> m
array([[ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])
>>> v=np.ones((10,1))
>>> v
array([[ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [ 1.]])

>>> np.c_[m,v]
array([[ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  1.]])

- dawg