ініціалізувати масивний масив

Чи є спосіб ініціалізувати масивний фігуру фігури та додати до неї? Я поясню, що мені потрібно на прикладі списку. Якщо я хочу створити список об’єктів, згенерованих у циклі, я можу зробити:

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

Я хочу зробити щось подібне з нумерованим масивом. Я знаю про vstack, concatenate і т. Д. Однак, здається, для цього потрібні два нумеровані масиви як вхідні дані. Що мені потрібно:

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_arrayПовинен мати форму (10,4). Як це зробити?

Редагувати:

Хочу додати наступне уточнення. Я усвідомлюю, що можу визначити, big_array = numpy.zeros((10,4))а потім заповнити його. Однак для цього потрібно заздалегідь вказати розмір big_array. Я знаю розмір у цьому випадку, але що робити, якщо я цього не роблю? Коли ми використовуємо .appendфункцію для розширення списку в python, нам не потрібно заздалегідь знати його остаточний розмір. Мені цікаво, чи існує щось подібне для створення більшого масиву з менших масивів, починаючи з порожнього масиву.

numpy.zeros

Поверніть новий масив заданої форми та типу, заповнений нулями.

або

numpy.ones

Поверніть новий масив заданої форми та типу, заповнений ними.

або

numpy.empty

Поверніть новий масив заданої форми та типу без ініціалізації записів.

Однак менталітет, в якому ми будуємо масив, додаючи елементи до списку, не сильно використовується в numpy, тому що він менш ефективний (numpy типи даних набагато ближче до базових масивів C). Натомість слід попередньо виділити масив до того розміру, який він вам потрібен, а потім заповнити рядки. numpy.appendОднак ви можете використовувати, якщо потрібно.

Я зазвичай це роблю, створюючи звичайний список, потім додаю до нього свої речі і, нарешті, перетворюю список у масивний масив таким чином:

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

звичайно, ваш кінцевий об'єкт займає вдвічі більше місця в пам'яті на етапі створення, але додавання до списку python дуже швидко, а також створення за допомогою np.array () також.

Введено в числом 1,8:

numpy.full

Поверніть новий масив заданої форми та типу, наповнений fill_value.

Приклади:

>>> 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]])

Аналог масиву для пітонів

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

є:

import numpy as np

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

numpy.fromiter() це те, що ви шукаєте:

big_array = numpy.fromiter(xrange(5), dtype="int")

Він також працює з генераторними виразами, наприклад:

big_array = numpy.fromiter( (i*(i+1)/2 for i in xrange(5)), dtype="int" )

Якщо ви заздалегідь знаєте довжину масиву, ви можете вказати його за допомогою додаткового аргументу «count».

Ви хочете максимально уникати явних циклів, роблячи обчислення масиву, оскільки це зменшує приріст швидкості від такої форми обчислень. Існує кілька способів ініціалізації масиву нумерів. Якщо ви хочете, щоб він був заповнений нулями, зробіть так, як сказав katrielalex:

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

EDIT: Яку послідовність ви робите? Вам слід перевірити різні функції нумерації, які створюють масиви, наприклад numpy.linspace(start, stop, size)(однаково розташоване число) або numpy.arange(start, stop, inc). Там, де це можливо, ці функції зроблять масиви значно швидшими, ніж та сама робота в явних петлях

Для ініціалізації масиву numpy з певною матрицею:

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

вихід:

(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]]

Для першого прикладу використання масиву,

a = numpy.arange(5)

Для ініціалізації big_array використовуйте

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

Це передбачає, що ви хочете ініціалізувати нулі, що досить типово, але існує багато інших способів ініціалізації масиву в numpy .

Редагувати: Якщо ви не знаєте розмір big_array заздалегідь, зазвичай, найкраще спершу створити список Python за допомогою додавання, а коли у вас все зібрано в списку, перетворіть цей список у масив numpy за допомогою numpy.array(mylist). Причиною цього є те, що списки повинні рости дуже ефективно та швидко, тоді як numpy.concatenate буде дуже неефективним, оскільки numpy-масиви не змінюють розмір легко. Але як тільки все зібрано у списку, і ви знаєте остаточний розмір масиву, нумерований масив може бути ефективно побудований.

Я б запропонував спочатку визначити форму. Потім повторіть його, щоб вставити значення.

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.]])

Щоразу, коли ви знаходитесь у такій ситуації:

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

і ви хочете чогось подібного в нумері, кілька попередніх відповідей вказували способи зробити це, але як зазначав @katrielalex, ці методи не є ефективними. Ефективний спосіб зробити це - скласти довгий список, а потім переробити його так, як вам потрібно, після того як у вас буде довгий список. Наприклад, скажімо, що я читаю деякі рядки з файлу, і в кожному рядку є список номерів, і я хочу створити масивний масив форми (кількість прочитаних рядків, довжина вектора в кожному рядку). Ось як я це зробив би більш ефективно:

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

Я розумію, що це трохи пізно, але я не помітив жодної з інших відповідей, що згадували про індексацію в порожній масив:

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

Таким чином ви попередньо виділяєте весь масив результатів numpy.emptyі заповнюєте рядки під час проходження індексованого призначення.

Це абсолютно безпечно попередньо виділити emptyзамість zerosприкладу, який ви подали, оскільки ви гарантуєте, що весь масив буде заповнений шматочками, які ви генеруєте.

Можливо, щось подібне відповідатиме вашим потребам ..

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)

Що дає наступний вихід

[[ 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.]]