追加numpy数组的有效方法

Question

我会保持简单。我有一个循环，它将新行附加到numpy数组…什么是有效的方法来做这件事。

n=np.zeros([1,2])
for x in [[2,3],[4,5],[7,6]]
      n=np.append(n,x,axis=1)

现在问题是有一个[0,0]粘在上面，所以我必须通过

   del n[0]

看起来很蠢…所以请告诉我一个有效的方法。

   n=np.empty([1,2])

更糟糕的是，它会创建一个未初始化的值。

Answer 1

“为什么列出”部分的一点技术解释。

在内部，一个长度未知的列表的问题是，不管其长度如何，它都需要以某种方式放入内存。基本上有两种不同的可能性：

1. 使用数据结构（链表、一些树结构等），这样就可以为列表中的每个新元素分别分配内存。

2. 将数据存储在连续的内存区域中。这个区域必须在创建列表时分配，并且必须大于我们最初需要的区域。如果列表中有更多的内容，我们需要尝试分配更多的内存，最好是在同一个位置。如果我们不能在同一个位置执行，我们需要分配一个更大的块并移动所有数据。

第一种方法可以实现各种各样的插入和删除选项、排序等。但是，它在顺序读取方面比较慢，并且分配了更多的内存。Python实际上使用方法2，列表存储为“动态数组”。有关详细信息，请参见：

Size of list in memory

这意味着使用append可以非常高效地设计列表。如果你事先不知道列表的大小，你就没什么办法加快速度。

---

如果您事先知道列表的最大大小，那么最好使用最大大小的numpy.empty（而不是numpy.zeros）来分配一个numpy.array，然后在填写完所有数据后使用ndarray.resize来收缩数组。

由于某些原因，numpy.array(l)（其中l是一个列表）对于大型列表来说通常速度很慢，而即使是大型数组的复制也非常快（我只是试图创建一个100000个元素数组的副本；它只花了不到0.5秒）。

这次讨论对不同的选择有更多的基准：

Fastest way to grow a numpy numeric array

我还没有对numpy.empty+ndarray.resize组合进行基准测试，但两者都应该是微秒操作，而不是毫秒操作。

Answer 2

有三种方法可以做到这一点，如果您已经在列表中列出了所有内容：

data = [[2, 3], [4, 5], [7, 6]]
n = np.array(data)

如果你知道最终的阵列有多大：

exp = np.array([2, 3])    

n = np.empty((3, 2))
for i in range(3):
    n[i, :] = i ** exp

如果您不知道最终数组的大小：

exp = np.array([2, 3])

n = []
i = np.random.random()
while i < .9:
    n.append(i ** exp)
    i = np.random.random()
n = np.array(n)

或者您可以以n = np.empty((0, 2))开头的记录，但我不建议在循环中追加到该数组。

Answer 3

您可能想尝试：

import numpy as np

n = np.reshape([], (0, 2))
for x in [[2,3],[4,5],[7,6]]:
      n = np.append(n, [x], axis=0)

您也可以使用n = np.vstack([n,x])，而不是np.append。我也同意@Bi Rico的观点，如果不需要在循环中访问n，我也将使用列表。