動態擴展一個SciPy的陣列

from scipy import sci
time = sci.zeros((n,1), 'double')

我們可以增加time數組的大小之後呢？

2011-09-25 Harman

SCI不規範，解釋它 –

可以使用resize方法擴展數組，但對於大型數組可能會很慢，所以請儘量避免使用^*。

例如：

import scipy as sci 
n=3 
time = sci.zeros((n,1), 'double') 
print(time) 
# [[ 0.] 
# [ 0.] 
# [ 0.]] 

time.resize((n+1,2)) 
print(time) 
# [[ 0. 0.] 
# [ 0. 0.] 
# [ 0. 0.] 
# [ 0. 0.]]

^*相反，找出你從一開始的數組多大需要，並分配該形狀time只有一次。一般來說，過度分配比調整大小要快。

來源

2011-09-25 14:36:34 unutbu

所以，問題是，我不知道陣列的大小，我想提前。所以，我迭代並逐個增加數組的大小。像這樣 'N = 1' '時間= sci.zeros（（1,1）， '雙師型'）' 和 '爲（我的東西）：' 'time.resize（（n + 1），'double'）' scipy lib會做什麼，它只是在新的地方複製數組的前幾個元素，因爲這會很慢。 – Harman

我會將數據追加到普通的Python列表（或列表列表）中，然後在大小固定後將其轉換爲具有'time = np.array（time）'的numpy數組。 – unutbu

生成的time數組只是一個Numpy Array，您可以使用標準的Numpy方法來操作它們，例如numpy#insert，它將返回一個修改後的數組，其中插入了新的元素。實例的使用，從NumPy的文檔（這裏np是短期的numpy）：

>>> a = np.array([[1, 1], [2, 2], [3, 3]]) 
>>> a 
    array([[1, 1], 
      [2, 2], 
      [3, 3]]) 
>>> np.insert(a, 1, 5) 
    array([1, 5, 1, 2, 2, 3, 3]) 
>>> np.insert(a, 1, 5, axis=1) 
    array([[1, 5, 1], 
      [2, 5, 2], 
      [3, 5, 3]])

此外，numpy#insert比numpy#resize快：

>>> timeit np.insert(time, 1, 1, 1) 
    100000 loops, best of 3: 16.7 us per loop 

>>> timeit np.resize(time, (20,1)) 
    10000 loops, best of 3: 27.1 us per loop

來源

2011-11-14 16:24:43 matehat

動態擴展一個SciPy的陣列

回答

相關問題