如何向numpy数组添加列

58 人关注

我试图向由 recfromcsv 创建的数组添加一列。在这种情况下，它是一个数组。 [210,8] （行，列）。

我想增加一个第九列。空的或有零的都无所谓。

from numpy import genfromtxt
from numpy import recfromcsv
import numpy as np
import time
if __name__ == '__main__':
 print("testing")
 my_data = recfromcsv('LIAB.ST.csv', delimiter='\t')
 array_size = my_data.size
 #my_data = np.append(my_data[:array_size],my_data[9:],0)
 new_col = np.sum(x,1).reshape((x.shape[0],1))
 np.append(x,new_col,1)


         2
         
         个评论


           
            那什么是不成功的呢？


           
            user2130951
           
           ：


           
            不起作用的地方是，无论我尝试什么版本，它都不能给我正确的尺寸。


         python


         numpy


        
         
         
          user2130951
         
        
        
         发布于
         
         2013-04-04


        7
        
        个回答


          已采纳


         0
         
         人赞同


          
           我认为你的问题是，你希望
           
            np.append
           
           能够就地添加列，但是由于numpy数据的存储方式，它所做的是创建一个连接数组的副本
          
          Returns
-------
append : ndarray
    A copy of `arr` with `values` appended to `axis`.  Note that `append`
    does not occur in-place: a new array is allocated and filled.  If
    `axis` is None, `out` is a flattened array.
所以你需要保存输出all_data = np.append(...)。
my_data = np.random.random((210,8)) #recfromcsv('LIAB.ST.csv', delimiter='\t')
new_col = my_data.sum(1)[...,None] # None keeps (n, 1) shape
new_col.shape
#(210,1)
all_data = np.append(my_data, new_col, 1)
all_data.shape
#(210,9)
替代方式。
all_data = np.hstack((my_data, new_col))
all_data = np.concatenate((my_data, new_col), 1)
我相信这三个函数（以及np.vstack）之间的唯一区别是它们在axis未被指定时的默认行为。
concatenate assumes axis = 0
hstack assumes axis = 1 unless inputs are 1d, then axis = 0
vstack assumes axis = 0 after adding an axis if inputs are 1d
append flattens array
根据你的评论，并更仔细地查看你的示例代码，我现在相信，你可能想做的是添加一个field到一个记录数组.  你同时导入了genfromtxt，返回一个结构化阵列和recfromcsv，其返回的是微妙不同的记录数组 (recarray).  你使用了recfromcsv，所以现在my_data实际上是一个recarray，这意味着很可能是my_data.shape = (210,)，因为recarrays是1d记录数组，其中每个记录是一个具有给定dtype的元组。
So you could try this:
import numpy as np
from numpy.lib.recfunctions import append_fields
x = np.random.random(10)
y = np.random.random(10)
z = np.random.random(10)
data = np.array( list(zip(x,y,z)), dtype=[('x',float),('y',float),('z',float)])
data = np.recarray(data.shape, data.dtype, buf=data)
data.shape
#(10,)
tot = data['x'] + data['y'] + data['z'] # sum(axis=1) won't work on recarray
tot.shape
#(10,)
all_data = append_fields(data, 'total', tot, usemask=False)
all_data
#array([(0.4374783740738456 , 0.04307289878861764, 0.021176067323686598, 0.5017273401861498),
#       (0.07622262416466963, 0.3962146058689695 , 0.27912715826653534 , 0.7515643883001745),
#       (0.30878532523061153, 0.8553768789387086 , 0.9577415585116588  , 2.121903762680979 ),
#       (0.5288343561208022 , 0.17048864443625933, 0.07915689716226904 , 0.7784798977193306),
#       (0.8804269791375121 , 0.45517504750917714, 0.1601389248542675  , 1.4957409515009568),
#       (0.9556552723429782 , 0.8884504475901043 , 0.6412854758843308  , 2.4853911958174133),
#       (0.0227638618687922 , 0.9295332854783015 , 0.3234597575660103  , 1.275756904913104 ),
#       (0.684075052174589  , 0.6654774682866273 , 0.5246593820025259  , 1.8742119024637423),
#       (0.9841793718333871 , 0.5813955915551511 , 0.39577520705133684 , 1.961350170439875 ),
#       (0.9889343795296571 , 0.22830104497714432, 0.20011292764078448 , 1.4173483521475858)], 
#      dtype=[('x', '<f8'), ('y', '<f8'), ('z', '<f8'), ('total', '<f8')])
all_data.shape
#(10,)
all_data.dtype.names
#('x', 'y', 'z', 'total')


           
            
             
              
               
                user2130951
               
               ：


           
            
             
              
               
                Getting File "d:\python27\lib\site-packages\numpy/core_methods.py", line 18, in _sum out=out, keepdims=keepdims) TypeError: cannot perform reduce with flexible type


           
            
             
              
               
                @用户2130951 你的阵列的
                
                 dtype
                
                是什么？【替换代码1


           
            
             
              
               
                @user2130951 你确定你不想要添加一个
                
                 field
                
                ?


          
           
            
             
              
               如果你有一个数组，
               
                a
               
               ，比如210行8列。
              
              a = numpy.empty([210,8])
并想增加第九列零，你可以这样做。
b = numpy.append(a,numpy.zeros([len(a),1]),1)


           
            
             
              
               
                
                 
                  user2130951
                 
                 ：


           
            
             
              
               
                
                 
                  这将产生返回concatenate((arr, values), axis=axis) ValueError: 所有的输入数组必须有相同的维数。


           
            
             
              
               
                
                 
                  hmmmm. Just double checked. It works for me (using IDLE - python version 2.7)


           
            
             
              
               
                
                 
                  也许是因为，正如@askewchan所建议的，你实际上有一个重生者？我想如果你用
                  
                   numpy.genfromtxt
                  
                  或
                  
                   numpy.loadtxt
                  
                  导入，这就可以了？


           
            
             
              
               
                
                 
                  如果列的形状是(X, )，那么你必须要.reshape(X, 1)来应用append。这就是用data[:,1]提取列后的情况


           
            
             
              
               
                
                 
                  这在我使用python 3.5的情况下是可行的，但是，是的，使用它必须要注意形状。


          
           
            
             
              
               
                
                 最简单的解决方案是使用
                 
                  numpy.insert()
                 
                 .
                
                
                 替换代码0】比
                 
                  np.append
                 
                 的优势在于，你可以将新的列插入到自定义索引中。
                
                import numpy as np
X = np.arange(20).reshape(10,2)
X = np.insert(X, [0,2], np.random.rand(X.shape[0]*2).reshape(-1,2)*10, axis=1)


           
            
             
              
               
                
                 
                  
                   在最后的重塑部分，发生了什么？


          
           
            
             
              
               
                
                 
                  
                   
                    np.append
                   
                  
                  or
                  
                   
                    np.hstack
                   
                  
                  我们可以使用
                  
                   np.zeros
                  
                  来创建这个零列（或
                  
                   np.ones
                  
                  来创建一个一列），并将其附加到我们的原始矩阵（二维数组）。
                 
                 def append_zeros(x):
    zeros = np.zeros((len(x), 1))  # zeros column as 2D array
    return np.hstack((x, zeros))   # append column


          
           
            
             
              
               
                
                 
                  
                   我以这种方式在一个矩阵数组中添加一个新的带1的列。
                  
                  Z = append([[1 for _ in range(0,len(Z))]], Z.T,0).T
也许它不是那么有效？


           
            
             
              
               
                
                 
                  
                   
                    
                     不要使用该列表的理解力，使用
                     
                      
                       np.ones
                      
                     
                     or
                     
                      
                       np.ones_like
                      
                     
                     :
                     
                      append([np.ones_like(Z)], Z.T, 0).T


          
           
            
             
              
               
                
                 
                  
                   
                    它可以这样做。
                   
                   import numpy as np
# create a random matrix:
A = np.random.normal(size=(5,2))
# add a column of zeros to it:
print(np.hstack((A,np.zeros((A.shape[0],1)))))
一般来说，如果A是一个m*n的矩阵，而你需要增加一列，你必须创建一个n*1的零矩阵，然后用 "hstack "将零矩阵加到矩阵A的右边。


          
           
            
             
              
               
                
                 
                  
                   
                    
                     与其他一些建议使用
                     
                      numpy.hstack
                     
                     的答案类似，但更容易阅读。
                    
                    import numpy as np
# declare 10 rows x 3 cols integer array of all 1s
arr = np.ones((10, 3), dtype=np.int64)
# get the number of rows in the original array (as if we didn't know it was 10 or it could be different in other cases)
numRows = arr.shape[0]
# declare the new array which will be the new column, integer array of all 0s so it's visually distinct from the original array
additionalColumn = np.zeros((numRows, 1), dtype=np.int64)
# use hstack to tack on the additionl column
result = np.hstack((arr, additionalColumn))
print(result)
result:
$ python3 scratchpad.py 
[[1 1 1 0]
 [1 1 1 0]
 [1 1 1 0]
 [1 1 1 0]
 [1 1 1 0]
 [1 1 1 0]