inisialisasi array numpy

Apakah ada cara untuk menginisialisasi array numpy bentuk dan menambahkannya? Saya akan menjelaskan apa yang saya butuhkan dengan contoh daftar. Jika saya ingin membuat daftar objek yang dihasilkan dalam satu lingkaran, saya dapat melakukan:

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

Saya ingin melakukan sesuatu yang mirip dengan array numpy. Saya tahu tentang vstack, concatenate dll. Namun, sepertinya ini membutuhkan dua array numpy sebagai input. Yang saya butuhkan adalah:

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

The big_arrayharus memiliki bentuk (10,4). Bagaimana cara melakukannya?

EDIT:

Saya ingin menambahkan klarifikasi berikut. Saya sadar bahwa saya dapat mendefinisikan big_array = numpy.zeros((10,4))dan mengisinya. Namun, ini membutuhkan spesifikasi ukuran big_array terlebih dahulu. Saya tahu ukuran dalam hal ini, tetapi bagaimana jika saya tidak melakukannya? Ketika kita menggunakan .appendfungsi untuk memperluas daftar dengan python, kita tidak perlu tahu ukuran akhirnya terlebih dahulu. Saya bertanya-tanya apakah ada yang serupa untuk membuat array yang lebih besar dari array yang lebih kecil, dimulai dengan array kosong.

numpy.zeros

Kembalikan array baru dengan bentuk dan tipe yang diberikan, diisi dengan nol.

atau

numpy.ones

Kembalikan array baru dengan bentuk dan tipe yang diberikan, diisi dengan yang.

atau

numpy.empty

Kembalikan array baru dengan bentuk dan tipe yang diberikan, tanpa menginisialisasi entri.

Namun, mentalitas di mana kita membangun sebuah array dengan menambahkan elemen ke daftar tidak banyak digunakan dalam numpy, karena itu kurang efisien (tipe data numpy jauh lebih dekat dengan array C yang mendasarinya). Sebagai gantinya, Anda harus melakukan pra-alokasi array ke ukuran yang Anda inginkan, dan kemudian mengisi baris. Anda dapat menggunakan numpy.appendjika Anda harus.

Cara saya biasanya melakukan itu adalah dengan membuat daftar reguler, kemudian menambahkan barang-barang saya ke dalamnya, dan akhirnya mengubah daftar menjadi array numpy sebagai berikut:

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

tentu saja objek akhir Anda mengambil dua kali ruang dalam memori pada langkah pembuatan, tetapi menambahkan daftar python sangat cepat, dan pembuatan menggunakan np.array () juga.

Diperkenalkan pada numpy 1.8:

numpy.full

Kembalikan array baru dengan bentuk dan tipe yang diberikan, diisi dengan fill_value.

Contoh:

>>> 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]])

Array analog untuk python

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

adalah:

import numpy as np

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

numpy.fromiter() adalah apa yang Anda cari:

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

Ia juga bekerja dengan ekspresi generator, misalnya:

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

Jika Anda mengetahui panjang array sebelumnya, Anda dapat menentukannya dengan argumen 'hitung' opsional.

Anda memang ingin menghindari loop eksplisit sebanyak mungkin saat melakukan komputasi array, karena hal itu mengurangi perolehan kecepatan dari bentuk komputasi itu. Ada beberapa cara untuk menginisialisasi array numpy. Jika Anda ingin diisi dengan nol, lakukan seperti katrielalex berkata:

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

EDIT: Urutan macam apa yang Anda buat? Anda harus memeriksa berbagai fungsi numpy yang membuat array, seperti numpy.linspace(start, stop, size)(nomor dengan spasi yang sama), atau numpy.arange(start, stop, inc). Jika memungkinkan, fungsi-fungsi ini akan membuat array jauh lebih cepat daripada melakukan pekerjaan yang sama dalam loop eksplisit

Untuk contoh array pertama Anda gunakan,

a = numpy.arange(5)

Untuk menginisialisasi big_array, gunakan

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

Ini mengasumsikan Anda ingin menginisialisasi dengan nol, yang cukup khas, tetapi ada banyak cara lain untuk menginisialisasi array dalam numpy .

Sunting: Jika Anda tidak tahu ukuran big_array di muka, umumnya yang terbaik adalah membuat daftar Python terlebih dahulu menggunakan append, dan ketika Anda telah mengumpulkan semuanya dalam daftar, konversikan daftar ini ke array numpy menggunakan numpy.array(mylist). Alasan untuk ini adalah bahwa daftar dimaksudkan untuk tumbuh dengan sangat efisien dan cepat, sedangkan numpy.concatenate akan sangat tidak efisien karena array numpy tidak mengubah ukuran dengan mudah. Tapi begitu semuanya dikumpulkan dalam daftar, dan Anda tahu ukuran array terakhir, array numpy dapat dibangun secara efisien.

Untuk menginisialisasi array numpy dengan matriks tertentu:

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

keluaran:

(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]]

Setiap kali Anda dalam situasi berikut:

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

dan Anda menginginkan sesuatu yang serupa di numpy, beberapa jawaban sebelumnya telah menunjukkan cara untuk melakukannya, tetapi seperti @katrielalex tunjukkan metode ini tidak efisien. Cara efisien untuk melakukan ini adalah membangun daftar panjang dan kemudian membentuknya kembali seperti yang Anda inginkan setelah Anda memiliki daftar panjang. Sebagai contoh, katakanlah saya membaca beberapa baris dari sebuah file dan setiap baris memiliki daftar angka dan saya ingin membangun array bentuk yang numpy (jumlah baris yang dibaca, panjang vektor di setiap baris). Inilah cara saya melakukannya dengan lebih efisien:

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

Saya menyadari bahwa ini agak terlambat, tetapi saya tidak melihat jawaban lain yang menyebutkan pengindeksan ke dalam array kosong:

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

Dengan cara ini, Anda mengalokasikan seluruh array hasil dengan numpy.empty dan mengisi baris saat Anda menggunakan tugas yang diindeks.

Sangat aman untuk melakukan praalokasi dengan emptybukan zerosdalam contoh yang Anda berikan karena Anda menjamin bahwa seluruh array akan diisi dengan potongan yang Anda hasilkan.

Saya sarankan mendefinisikan bentuk terlebih dahulu. Kemudian beralih di atasnya untuk memasukkan nilai.

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.]])

Mungkin sesuatu seperti ini akan sesuai dengan kebutuhan Anda ..

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)

Yang menghasilkan output sebagai berikut

[[ 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.]]