Как создать пустой массив/матрицу в NumPy?

Ответ 1

У вас неправильная ментальная модель для эффективного использования NumPy. Массивы NumPy хранятся в смежных блоках памяти. Если вы хотите добавить строки или столбцы в существующий массив, весь массив необходимо скопировать в новый блок памяти, создавая промежутки для хранения новых элементов. Это очень неэффективно, если сделано несколько раз, чтобы построить массив.

В случае добавления строк лучше всего создать массив с таким же большим, как ваш набор данных, и затем добавить к нему данные по очереди:

>>> 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.]])

Ответ 2

Массив NumPy - это совсем другая структура данных из списка и предназначен для использования по-разному. Ваше использование hstack потенциально очень неэффективно... каждый раз, когда вы его вызываете, все данные в существующем массиве копируются в новый. (Функция append будет иметь одинаковую проблему.) Если вы хотите создать свою матрицу по одному столбцу за раз, вам может быть лучше оставить ее в списке до тех пор, пока она не будет завершена, и только затем преобразует ее в массив.

например.

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

item может быть списком, массивом или любым итерабельным, как долго поскольку каждый item имеет одинаковое количество элементов.
В этом конкретном случае (data - это некоторая итерабельность, содержащая столбцы матрицы), вы можете просто использовать

mat = numpy.array(data)

(Также обратите внимание, что использование list в качестве имени переменной, вероятно, не является хорошей практикой, поскольку он маскирует встроенный тип этим именем, что может привести к ошибкам.)

EDIT:

Если по какой-то причине вы действительно хотите создать пустой массив, вы можете просто использовать numpy.array([]), но это редко полезно!

Ответ 3

Чтобы создать пустой многомерный массив в NumPy (например, 2D-массив m*n для хранения вашей матрицы), если вы не знаете m, сколько строк вы добавите и не заботитесь об вычислительной стоимости Стивен Симмонс упомянул (а именно, перестроить массив в каждом приложении), вы можете сжать до 0 размер, к которому вы хотите добавить: X = np.empty(shape=[0, n]).

Таким образом, вы можете использовать, например (здесь m = 5, который, как мы предполагаем, мы не знали при создании пустой матрицы и 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

который даст вам:

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

Ответ 4

Я много разбирался в этом, потому что мне нужно было использовать numpy.array как набор в одном из моих школьных проектов, и мне нужно было инициализировать пустую... Я не нашел никакого релевантного ответа здесь в Stack Overflow, поэтому я начал рисовать что-то.

# 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)

Результат будет:

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

Поэтому вы можете напрямую инициализировать массив np следующим образом:

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

Надеюсь, это поможет.

Ответ 5

Вы можете использовать функцию добавления. Для строк:

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

Для столбцов:

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

ИЗМЕНИТЬ
Конечно, как упоминалось в других ответах, если вы не делаете какую-либо обработку (например, инверсию) в матрице/массиве КАЖДОЕ время, когда вы добавляете что-то к ней, я просто создаю список, добавляю к нему, а затем преобразую его в массив.

Ответ 6

Если вы абсолютно не знаете конечный размер массива, вы можете увеличить размер массива следующим образом:

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.]]

• Обратите внимание на 0 в первой строке.
• numpy.append - еще один вариант. Он вызывает numpy.concatenate.

Ответ 7

Вы можете применить его для построения любого типа массива, например нулей:

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

Ответ 8

В зависимости от того, для чего вы используете это, вам может потребоваться указать тип данных (см. 'dtype').

Например, для создания 2D-массива из 8-битных значений (подходит для использования в качестве монохромного изображения):

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

Для изображения RGB укажите количество цветных каналов в форме: shape=(H,W,3)

Вы также можете рассмотреть нулевую инициализацию с помощью numpy.zeros вместо использования numpy.empty. См. Примечание здесь.

Ответ 9

Я думаю, что вы хотите обрабатывать большую часть работы со списками, а затем использовать результат в качестве матрицы. Может быть, это способ;

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

mat = np.matrix(ur_list)

Ответ 10

Я думаю, что вы можете создать пустой массив Numpy, например:

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

Этот формат полезен, когда вы хотите добавить массив NumPy в цикл.