初始化一个numpy数组-Java 学习之路

有没有办法初始化一个形状的numpy数组并添加到它？我将用列表示例解释我需要什么 . 如果我想创建一个循环中生成的对象列表，我可以这样做：

a = []
for i in range(5):
    a.append(i)

我想用numpy数组做类似的事情 . 我知道vstack，连接等等 . 但是，似乎这些需要两个numpy数组作为输入 . 我需要的是：

big_array # Initially empty. This is where I don't know what to specify
for i in range(5):
    array i of shape = (2,4) created.
    add to big_array

big_array 的形状应为 (10,4) . 这该怎么做？

EDIT:

我想补充以下说明 . 我知道我可以定义 big_array = numpy.zeros((10,4)) 然后填写它 . 但是，这需要提前指定big_array的大小 . 我知道这种情况下的大小，但如果我不知道怎么办？当我们使用 .append 函数在python中扩展列表时，我们不需要事先知道它的最终大小 . 我想知道是否有类似的东西从较小的数组创建一个更大的数组，从一个空数组开始 .

12 回答

4

numpy.zeros返回一个给定形状和类型的新数组，用零填充 .

要么

numpy.ones返回一个给定形状和类型的新数组，其中包含一个 .

要么

numpy.empty返回给定形状和类型的新数组，而不初始化条目 .

但是，我们通过将元素附加到列表来构造数组的心态在numpy中使用不多，因为它效率较低（numpy数据类型更接近底层C数组） . 相反，您应该将数组预先分配到您需要的大小，然后填写行 . 但是，如果必须的话，可以使用 numpy.append .

回复于 2024-04-29T22:01:47+08:00
1
我通常这样做的方法是创建一个常规列表，然后将我的东西添加到其中，最后将列表转换为numpy数组，如下所示：
```
import numpy as np
big_array = [] #  empty regular list
for i in range(5):
    arr = i*np.ones((2,4)) # for instance
    big_array.append(arr)
big_np_array = np.array(big_array)  # transformed to a numpy array
```
当然，你的最终对象在创建步骤中占用内存空间的两倍，但是在python列表上追加非常快，并且使用np.array（）创建也是如此 .
回复于 2024-04-29T22:01:47+08:00

python的数组模拟

a = []
for i in range(5):
    a.append(i)

是：

import numpy as np

a = np.empty((0))
for i in range(5):
    a = np.append(a, i)

回复于 2024-04-29T22:01:47+08:00

在numpy 1.8中引入：

numpy.full返回一个给定形状和类型的新数组，填充fill_value .

例子：

>>> import numpy as np
>>> np.full((2, 2), np.inf)
array([[ inf,  inf],
       [ inf,  inf]])
>>> np.full((2, 2), 10)
array([[10, 10],
       [10, 10]])

回复于 2024-04-29T22:01:47+08:00

1
numpy.fromiter() 正在寻找你：
```
big_array = numpy.fromiter(xrange(5), dtype="int")
```
它也适用于生成器表达式，例如：
```
big_array = numpy.fromiter( (i*(i+1)/2 for i in xrange(5)), dtype="int" )
```
如果您事先知道数组的长度，则可以使用可选的'count'参数指定它 .
回复于 2024-04-29T22:01:47+08:00
6

在进行数组计算时，您确实希望尽可能避免显式循环，因为这会降低该计算形式的速度增益 . 有多种方法可以初始化numpy数组 . 如果你想要它填充零，请像katrielalex说：

big_array = numpy.zeros((10,4))

编辑：你正在制作什么样的序列？您应该检查创建数组的不同numpy函数，如 numpy.linspace(start, stop, size) （等间距数字）或 numpy.arange(start, stop, inc) . 在可能的情况下，这些函数将使数组比在显式循环中执行相同的工作快得多

回复于 2024-04-29T22:01:47+08:00
31
对于您的第一个数组示例使用，
```
a = numpy.arange(5)
```
要初始化big_array，请使用
```
big_array = numpy.zeros((10,4))
```
这假设你想用零初始化，这很典型，但还有很多其他的ways to initialize an array in numpy .

Edit: 如果您通常最好先使用追加来构建Python列表，并且当您在列表中收集了所有内容时，请使用 numpy.array(mylist) 将此列表转换为numpy数组 . 这样做的原因是列表意味着非常有效和快速地增长，而numpy.concatenate效率非常低，因为numpy数组不容易改变大小 . 但是一旦在列表中收集了所有内容，并且您知道最终的数组大小，就可以有效地构造一个numpy数组 .
回复于 2024-04-29T22:01:47+08:00
9
我意识到这有点晚了，但我没有注意到任何其他答案提到索引到空数组：
```
big_array = numpy.empty(10, 4)
for i in range(5):
    array_i = numpy.random.random(2, 4)
    big_array[2 * i:2 * (i + 1), :] = array_i
```
这样，您可以使用 numpy.empty 预分配整个结果数组，并使用索引赋值填充行 .

在您给出的示例中预先分配 empty 而不是 zeros 是完全安全的，因为您保证整个数组将填充您生成的块 .
回复于 2024-04-29T22:01:47+08:00

import numpy as np

mat = np.array([[1, 1, 0, 0, 0],
                [0, 1, 0, 0, 1],
                [1, 0, 0, 1, 1],
                [0, 0, 0, 0, 0],
                [1, 0, 1, 0, 1]])

print mat.shape
print mat

输出：

(5, 5)
[[1 1 0 0 0]
 [0 1 0 0 1]
 [1 0 0 1 1]
 [0 0 0 0 0]
 [1 0 1 0 1]]

回复于 2024-04-29T22:01:47+08:00

我建议先定义形状 . 然后迭代它以插入值 .

big_array= np.zeros(shape = ( 6, 2 ))
for it in range(6):
    big_array[it] = (it,it) # For example

>>>big_array

array([[ 0.,  0.],
       [ 1.,  1.],
       [ 2.,  2.],
       [ 3.,  3.],
       [ 4.,  4.],
       [ 5.,  5.]])

回复于 2024-04-29T22:01:47+08:00

0
每当您遇到以下情况时：
```
a = []
for i in range(5):
    a.append(i)
```
你想要一些类似于numpy的东西，之前的几个答案都指出了这样做的方法，但正如@katrielalex所指出的那样，这些方法并不高效 . 高效的方式要做到这一点，就是 Build 一个很长的列表，然后在你有一个长列表之后以你想要的方式重塑它 . 例如，假设我正在从文件中读取一些行，并且每行都有一个数字列表，我想构建一个numpy形状的数组（读取的行数，每行中的向量长度） . 以下是我如何更有效地做到这一点：
```
long_list = []
counter = 0
with open('filename', 'r') as f:
    for row in f:
        row_list = row.split()
        long_list.extend(row_list)
        counter++
#  now we have a long list and we are ready to reshape
result = np.array(long_list).reshape(counter, len(row_list)) #  desired numpy array
```
回复于 2024-04-29T22:01:47+08:00

112

也许这样的东西会满足你的需求..

import numpy as np

N = 5
res = []

for i in range(N):
    res.append(np.cumsum(np.ones(shape=(2,4))))

res = np.array(res).reshape((10, 4))
print(res)

这产生以下输出

[[ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]]

回复于 2024-04-29T22:01:47+08:00

初始化一个numpy数组

12 回答

相关问题