Quelle est la façon la plus simple d'étendre un tableau numpy en 2 dimensions?

Question

J'ai un tableau 2d qui ressemble à ceci:

XX
xx

Quel est le moyen le plus efficace pour ajouter une ligne supplémentaire et de la colonne:

xxy
xxy
yyy

Pour les points de bonus, j'aimerais aussi être en mesure de frapper les rangées et de colonnes, de sorte que par exemple dans la matrice ci-dessous, je voudrais être en mesure de frapper tous les " a ne laissant que les x - plus précisément je suis en train de supprimer la n-ième ligne et de la n-ième colonne dans le même temps - et je veux être en mesure de le faire aussi rapidement que possible:

xxaxx
xxaxx
aaaaa
xxaxx
xxaxx

Answer 1

Le plus court en termes de lignes de code auquel je puisse penser est pour la première question.

 >>> import numpy as np
>>> p = np.array([[1,2],[3,4]])

>>> p = np.append(p, [[5,6]], 0)
>>> p = np.append(p, [[7],[8],[9]],1)

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

Et pour la deuxième question

     p = np.array(range(20))
>>> p.shape = (4,5)
>>> p
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]])
>>> n = 2
>>> p = np.append(p[:n],p[n+1:],0)
>>> p = np.append(p[...,:n],p[...,n+1:],1)
>>> p
array([[ 0,  1,  3,  4],
       [ 5,  6,  8,  9],
       [15, 16, 18, 19]])
 

Answer 2

Une alternative utile de répondre à la première question, en utilisant les exemples de tomeedee de réponse, serait d'utiliser numpy est vstack et column_stack méthodes:

Étant donné une matrice p,

>>> import numpy as np
>>> p = np.array([ [1,2] , [3,4] ])

une matrice augmentée peut être généré par:

>>> p = np.vstack( [ p , [5 , 6] ] )
>>> p = np.column_stack( [ p , [ 7 , 8 , 9 ] ] )
>>> p
array([[1, 2, 7],
       [3, 4, 8],
       [5, 6, 9]])

Ces méthodes peut être pratique dans la pratique que les np.append (), car ils permettent de tableaux 1D pour être annexé à une matrice sans aucune modification, contrairement à le scénario suivant:

>>> p = np.array([ [ 1 , 2 ] , [ 3 , 4 ] , [ 5 , 6 ] ] )
>>> p = np.append( p , [ 7 , 8 , 9 ] , 1 )
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python2.6/dist-packages/numpy/lib/function_base.py", line 3234, in append
    return concatenate((arr, values), axis=axis)
ValueError: arrays must have same number of dimensions

En réponse à la seconde question, une belle façon de supprimer des lignes et des colonnes est d'utiliser ensemble logique d'indexation comme suit:

Étant donné une matrice p,

>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) )

supposons que nous voulons supprimer la ligne 1 et la colonne 2:

>>> r , c = 1 , 2
>>> p = p [ np.arange( p.shape[0] ) != r , : ] 
>>> p = p [ : , np.arange( p.shape[1] ) != c ]
>>> p
array([[ 0,  1,  3,  4],
       [10, 11, 13, 14],
       [15, 16, 18, 19]])

Remarque - pour réformée Matlab utilisateurs - si vous vouliez faire dans un one-liner vous avez besoin d'indice deux fois:

>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) )    
>>> p = p [ np.arange( p.shape[0] ) != r , : ] [ : , np.arange( p.shape[1] ) != c ]

Cette technique peut également être étendu à supprimer des ensembles de lignes et de colonnes, de sorte que si l'on voulait supprimer les lignes 0 et 2 et des colonnes 1, 2 et 3, nous pourrions utiliser numpy est setdiff1d de fonction pour générer la logique souhaité index:

>>> p = np.arange( 20 ).reshape( ( 4 , 5 ) )
>>> r = [ 0 , 2 ]
>>> c = [ 1 , 2 , 3 ]
>>> p = p [ np.setdiff1d( np.arange( p.shape[0] ), r ) , : ] 
>>> p = p [ : , np.setdiff1d( np.arange( p.shape[1] ) , c ) ]
>>> p
array([[ 5,  9],
       [15, 19]])

Answer 3

Une autre solution élégante à la première question peut être l' insert commande:

p = np.array([[1,2],[3,4]])
p = np.insert(p, 2, values=0, axis=1) # insert values before column 2

Conduit à:

array([[1, 2, 0],
       [3, 4, 0]])

insert peut être plus lente qu' append mais permet de remplir l'ensemble de la ligne/colonne avec une valeur facilement.

Pour la deuxième question, delete a été suggéré auparavant:

p = np.delete(p, 2, axis=1)

Qui restaure le tableau original de nouveau:

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

Answer 4

Je trouve qu'il est beaucoup plus facile "d'étendre" en assignant dans une matrice plus grande. Par exemple

 import numpy as np
p = np.array([[1,2], [3,4]])
g = np.array(range(20))
g.shape = (4,5)
g[0:2, 0:2] = p
 

Voici les tableaux:

p

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

g :

 array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]])
 

et le g résultant après l'affectation:

    array([[ 1,  2,  2,  3,  4],
       [ 3,  4,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]])
 

Answer 5

Réponse à la première question:

Utilisation de numpy.append.

http://docs.scipy.org/doc/numpy/reference/generated/numpy.append.html#numpy.append

Réponse à la deuxième question:

Utilisation de numpy.supprimer

http://docs.scipy.org/doc/numpy/reference/generated/numpy.delete.html