Użyteczna alternatywa odpowiedź na pierwsze pytanie, wykorzystując przykłady z tomeedee za odpowiedź, byłoby wykorzystanie NumPy za vstack i column_stack method:
Biorąc pod uwagę macierz p,
>>> import numpy as np
>>> p = np.array([ [1,2] , [3,4] ])
w zwiększonym matrycy może być wytwarzany przez:
>>> p = np.vstack([ p , [5 , 6] ])
>>> p = np.column_stack([ p , [ 7 , 8 , 9 ] ])
>>> p
array([[1, 2, 7],
[3, 4, 8],
[5, 6, 9]])
Metody te mogą być korzystne w praktyce niż NP.dołączania(), ponieważ pozwalają one na tablice 1D być dołączone do matrycy bez zmiany, w przeciwieństwie do następujących scenariuszy:
>>> p = np.array([ [ 1 , 2 ] , [ 3 , 4 ] , [ 5 , 6 ] ])
>>> p = np.append(p , [ 7 , 8 , 9 ] , 1)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/lib/python2.6/dist-packages/numpy/lib/function_base.py", line 3234, in append
return concatenate((arr, values), axis=axis)
ValueError: arrays must have same number of dimensions
W odpowiedzi na pytanie drugie dobry sposób usunąć wierszy i kolumn jest użyciu logicznej tablicy indeksowania, co następuje:
Biorąc pod uwagę macierz p
>>> p = np.arange(20).reshape((4 , 5))
przypuśćmy, że chcemy usunąć wiersz 1 i kolumny 2:
>>> r , c = 1 , 2
>>> p = p [ np.arange(p.shape[0]) != r , : ]
>>> p = p [ : , np.arange(p.shape[1]) != c ]
>>> p
array([[ 0, 1, 3, 4],
[10, 11, 13, 14],
[15, 16, 18, 19]])
Uwaga - dla zreformowanych użytkowników Matlab - jeśli chciał zrobić to w jednej wkładki trzeba indeksu dwukrotnie:
>>> p = np.arange(20).reshape((4 , 5))
>>> p = p [ np.arange(p.shape[0]) != r , : ] [ : , np.arange(p.shape[1]) != c ]
Technika ta może również zostać przedłużony do usunięcia zestawy wierszy i kolumny, więc jeśli chcemy usunąć wiersze 0 & 2 i kolumnach 1, 2 & 3 moglibyśmy użyć numpy na setdiff1d funkcję wygenerować żądany indeks logiczne:
>>> p = np.arange(20).reshape((4 , 5))
>>> r = [ 0 , 2 ]
>>> c = [ 1 , 2 , 3 ]
>>> p = p [ np.setdiff1d(np.arange(p.shape[0]), r) , : ]
>>> p = p [ : , np.setdiff1d(np.arange(p.shape[1]) , c) ]
>>> p
array([[ 5, 9],
[15, 19]])
'np.append' jest jedną z najczęściej wykorzystywanych funkcji w' numpy'. Najczęściej ludzie zakładają, że jest tak, jak dołącza lista. Jeśli musisz dołączyć do tablic, naucz się używać 'np.concatenate' bezpośrednio (nawet jeśli jest wybredny w kwestii wymiarów i kształtów). – hpaulj