Numpy - ajouter une ligne au tableau

Question

Comment ajouter des lignes à un tableau numpy ?

J'ai un tableau A :

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

Je souhaite ajouter des lignes à ce tableau à partir d'un autre tableau X si le premier élément de chaque ligne de X répond à une condition spécifique.

Les tableaux Numpy ne disposent pas d'une méthode "append" comme celle des listes, du moins c'est ce qu'il semble.

Si A et X étaient des listes, je me contenterais de faire :

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

Y a-t-il un numpythonique manière de faire l'équivalent ?

Merci, S ;-)

Answer 1

Vous pouvez le faire :

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

Answer 2

Qu'est-ce que X ? S'il s'agit d'un tableau en 2D, comment pouvez-vous alors comparer sa ligne à un nombre ? i < 3 ?

EDIT après le commentaire de l'OP :

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

ajouter à A toutes les lignes de X où le premier élément < 3 :

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]])

Answer 3

Comme cette question date de 7 ans, dans la dernière version que j'utilise, numpy version 1.13, et python3, je fais la même chose avec l'ajout d'une ligne à une matrice, n'oubliez pas de mettre un double support au second argument, sinon, il lèvera une erreur de dimension.

Ici, j'ajoute la matrice A

1 2 3
4 5 6

avec une rangée

7 8 9

même usage dans np.r_

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]]]

Juste pour répondre à l'intérêt de quelqu'un, si vous souhaitez ajouter une colonne,

array = np.c_[A,np.zeros(#A's row size)]

en suivant ce que nous avons fait précédemment sur la matrice A, en y ajoutant une colonne

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

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

Answer 4

Si aucun calcul n'est nécessaire après chaque ligne, il est beaucoup plus rapide d'ajouter des lignes en python, puis de les convertir en numpy. Voici des tests de temps en utilisant python 3.6 contre numpy 1.14, en ajoutant 100 lignes, une à la fois :

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

Ainsi, la solution simple à la question originale, qui date d'il y a sept ans, consiste à utiliser vstack() pour ajouter une nouvelle ligne après avoir converti la ligne en un tableau numpy. Mais une solution plus réaliste devrait prendre en compte les faibles performances de vstack dans ces circonstances. Si vous n'avez pas besoin d'exécuter une analyse de données sur le tableau après chaque ajout, il est préférable de mettre en mémoire tampon les nouvelles lignes dans une liste python de lignes (une liste de listes, en fait), et de les ajouter en groupe au tableau numpy en utilisant vstack() avant d'effectuer toute analyse de données.

Answer 5

Vous pouvez également le faire :

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