Numpy - 向数组添加行

Question

如何向numpy数组添加行？

我有一个名为A的数组：

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

如果X中每一行的第一个元素满足特定条件，我希望将这些行从另一个数组X添加到此数组中。

Numpy数组似乎没有像列表那样的“append”方法。

如果A和X是列表，我只需执行以下操作：

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

有没有一种numpythonic的方法来做同样的事情？

谢谢， S ;-)

- Darren J. Fitzpatrick

---

参见https://dev59.com/92oy5IYBdhLWcg3wiegp - Thomas Ahle

Answer 1

你可以这样做：

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

- jknair

---

为什么它被废弃了？我在文档中没有看到任何说明。 - Georgy

@Georgy 老实说，我也不知道。我和你一样在这里寻找答案 :-）。我现在记不起来为什么写了上面的评论。可能是因为我在文档中看到它已经过时了。但是现在看文档...它并没有这么说。他们是否将其弃用，然后又改变主意，决定放弃并删除它会让太多人感到烦恼，这是可能的吗？ - Kris

Answer 2

"X"是什么？如果它是一个二维数组，你如何将其行与数字进行比较：i < 3？

根据提问者的评论进行编辑：

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

将A中第一个元素小于3的所有行添加到X中：

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]])

- eumiro

---

抱歉，你说得对！假设一个2D数组，每行的第一个元素必须满足某个条件。我会进行编辑的。谢谢，S;-) - Darren J. Fitzpatrick

请注意，通过进行这种类型的操作，您会破坏Numpy为现有数组A预分配内存所做的良好工作。 显然，对于像本答案中的小问题，这不是问题，但对于大数据来说可能更麻烦。 - dtlussier

Answer 3

由于这个问题是7年前的，我正在使用的最新版本是numpy 1.13和Python3。我正在做相同的事情，添加一个矩阵行，请记得将第二个参数用双括号括起来，否则会引发维度错误。

在这里，我正在添加矩阵A。

1 2 3
4 5 6

一排

7 8 9

np.r_ 中的用法相同。

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]]]

对于对此感兴趣的人，如果您想要添加一列，

array = np.c_[A,np.zeros(#A的行数大小)]

按照我们之前在矩阵A上所做的操作，向其添加一列。

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

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

如果您想要在前面添加，只需翻转参数的顺序，即：

np.r_([[7, 8, 9]], A)

    >> array([[7, 8, 9],
             [1, 2, 3],
             [4, 5, 6]])

- Flora PJ Li

Answer 4

如果每一行后都不需要进行计算，那么使用Python添加行要比使用numpy快得多。以下是在Python 3.6和numpy 1.14下添加100行的时间测试：

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

因此，解决最初问题的简单方法是使用vstack()将行转换为numpy数组后添加新行。但更现实的解决方案应考虑到在这些情况下vstack的性能较差。如果您不需要在每次添加后对数组运行数据分析，则最好将新行缓冲到Python行列表中（实际上是一个列表的列表），然后在进行任何数据分析之前将它们作为一组添加到numpy数组中使用vstack()。

- rbasham

Answer 5

你也可以这样做：

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

- cam

---

嗯，当我尝试这个时，它只是添加到了A的末尾，而不是像OP请求的那样添加一个新行。 - Todd Curry

可能是 np.concatenate((A, newrow), axis=0)。该函数将数组 A 和 newrow 沿着 0 轴连接起来。 - Konstantinos Roditakis

截至numpy版本“1.12.1”（以及Python 3），似乎尝试将向量连接到矩阵会引发“ValueError：所有输入数组必须具有相同的维数”。看起来它希望在把向量连接之前将其显式地重塑为列向量或行向量。 - MRule

您可以按照@Flora PJ Li的答案（https://dev59.com/N2865IYBdhLWcg3wTczg#47845065）使用双方括号来解决该问题。 newrow = [[1,2,3]] - Tom Saleeba

Answer 6

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)

- naman1994

Answer 7

我使用'np.vstack'，它更快，例如：

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])

- RAno

Answer 8

我使用numpy.insert(arr, i, the_object_to_be_added, axis)函数，以便在第i行(axis=0)或者第i列(axis=1)插入object_to_be_added对象。

import numpy as np

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

np.insert(a, 1, [55, 66], axis=1)
# array([[ 1, 55,  2,  3],
#        [ 5, 66,  4,  6]])

np.insert(a, 2, [50, 60, 70], axis=0)
# array([[ 1,  2,  3],
#        [ 5,  4,  6],
#        [50, 60, 70]])

虽然这个讨论已经很久远了，但我希望它能对某些人有所帮助。

- Elyas Karimi

Answer 9

如果你可以一次性完成构建，那么像使用fancy-indexing的vstack方法就是一个不错的选择。但如果你的条件更加复杂或者行数据是动态获取的，那么你可能需要动态增长数组。实际上，像这样动态增长数组的numpythonic方式是动态增长列表：

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

列表非常适合这种访问模式；在列表形式下，您没有方便的numpy多维索引，但只要您在添加行数组，很难找到比行数组列表更好的选择。

- user2475529

Answer 10

你可以使用numpy.append（）将行附加到numpy数组中并稍后调整形状以形成矩阵。

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)

- Charles Chow

---

由于在添加过程中数组形状会发生改变，因此添加行并不是一个真正的解决方案。 - mins