Comment ajouter une colonne supplémentaire à un tableau NumPy ?

Question

Disons que j'ai un tableau NumPy, a :

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

Et je voudrais ajouter une colonne de zéros pour obtenir un tableau, b :

b = np.array([
    [1, 2, 3, 0],
    [2, 3, 4, 0]
    ])

Comment puis-je faire cela facilement en NumPy ?

Answer 1

np.r_[ ... ] et np.c_[ ... ] sont des alternatives utiles à vstack et hstack , avec des crochets [] au lieu des ronds ().
Quelques exemples :

: import numpy as np
: N = 3
: A = np.eye(N)

: np.c_[ A, np.ones(N) ]              # add a column
array([[ 1.,  0.,  0.,  1.],
       [ 0.,  1.,  0.,  1.],
       [ 0.,  0.,  1.,  1.]])

: np.c_[ np.ones(N), A, np.ones(N) ]  # or two
array([[ 1.,  1.,  0.,  0.,  1.],
       [ 1.,  0.,  1.,  0.,  1.],
       [ 1.,  0.,  0.,  1.,  1.]])

: np.r_[ A, [A[1]] ]              # add a row
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.],
       [ 0.,  1.,  0.]])
: # not np.r_[ A, A[1] ]

: np.r_[ A[0], 1, 2, 3, A[1] ]    # mix vecs and scalars
  array([ 1.,  0.,  0.,  1.,  2.,  3.,  0.,  1.,  0.])

: np.r_[ A[0], [1, 2, 3], A[1] ]  # lists
  array([ 1.,  0.,  0.,  1.,  2.,  3.,  0.,  1.,  0.])

: np.r_[ A[0], (1, 2, 3), A[1] ]  # tuples
  array([ 1.,  0.,  0.,  1.,  2.,  3.,  0.,  1.,  0.])

: np.r_[ A[0], 1:4, A[1] ]        # same, 1:4 == arange(1,4) == 1,2,3
  array([ 1.,  0.,  0.,  1.,  2.,  3.,  0.,  1.,  0.])

(La raison de l'utilisation de crochets [] au lieu de rond () c'est que Python développe par exemple 1:4 en carré -- les merveilles de la surcharge).

Answer 2

Je pense qu'une solution plus simple et plus rapide à démarrer est de faire ce qui suit :

import numpy as np
N = 10
a = np.random.rand(N,N)
b = np.zeros((N,N+1))
b[:,:-1] = a

Et les horaires :

In [23]: N = 10

In [24]: a = np.random.rand(N,N)

In [25]: %timeit b = np.hstack((a,np.zeros((a.shape[0],1))))
10000 loops, best of 3: 19.6 us per loop

In [27]: %timeit b = np.zeros((a.shape[0],a.shape[1]+1)); b[:,:-1] = a
100000 loops, best of 3: 5.62 us per loop

Answer 3

Utilisez numpy.append :

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

>>> z = np.zeros((2,1), dtype=int64)
>>> z
array([[0],
       [0]])

>>> np.append(a, z, axis=1)
array([[1, 2, 3, 0],
       [2, 3, 4, 0]])

Answer 4

D'une part, en utilisant hstack c'est :

b = np.hstack((a, np.zeros((a.shape[0], 1), dtype=a.dtype)))

Answer 5

Je trouve la formule suivante très élégante :

b = np.insert(a, 3, values=0, axis=1) # Insert values before column 3

Un avantage de insert est qu'il vous permet également d'insérer des colonnes (ou des lignes) à d'autres endroits du tableau. De même, au lieu d'insérer une seule valeur, vous pouvez facilement insérer un vecteur entier, par exemple en dupliquant la dernière colonne :

b = np.insert(a, insert_index, values=a[:,2], axis=1)

Ce qui nous amène à :

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

Pour le timing, insert pourrait être plus lente que la solution de JoshAdel :

In [1]: N = 10

In [2]: a = np.random.rand(N,N)

In [3]: %timeit b = np.hstack((a, np.zeros((a.shape[0], 1))))
100000 loops, best of 3: 7.5 µs per loop

In [4]: %timeit b = np.zeros((a.shape[0], a.shape[1]+1)); b[:,:-1] = a
100000 loops, best of 3: 2.17 µs per loop

In [5]: %timeit b = np.insert(a, 3, values=0, axis=1)
100000 loops, best of 3: 10.2 µs per loop