инициализировать массив numpy

Есть ли способ инициализировать массив numpy формы и добавить к нему? Я объясню, что мне нужно, на примере списка. Если я хочу создать список объектов, сгенерированных в цикле, я могу:

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

Я хочу сделать что-то подобное с массивом numpy. Я знаю о vstack, concatenate и т. Д. Однако, похоже, для этого требуются два массива numpy в качестве входных данных. Что мне нужно:

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

Он big_arrayдолжен иметь форму (10,4). Как это сделать?

РЕДАКТИРОВАТЬ:

Хочу добавить следующее уточнение. Я знаю, что могу определить, big_array = numpy.zeros((10,4))а затем заполнить его. Однако для этого необходимо заранее указать размер big_array. Я знаю размер в этом случае, но что, если я не знаю? Когда мы используем .appendфункцию для расширения списка в Python, нам не нужно заранее знать его окончательный размер. Мне интересно, существует ли что-то подобное для создания большего массива из меньших массивов, начиная с пустого массива.

numpy.zeros

Вернуть новый массив заданной формы и типа, заполненный нулями.

или

numpy.ones

Вернуть новый массив заданной формы и типа, заполненный единицами.

или

numpy.empty

Вернуть новый массив заданной формы и типа без инициализации записей.

Однако менталитет, в котором мы создаем массив, добавляя элементы в список, мало используется в numpy, потому что он менее эффективен (типы данных numpy намного ближе к базовым массивам C). Вместо этого вы должны предварительно выделить массив до нужного вам размера, а затем заполнить строки. Но вы можете использовать, numpy.appendесли хотите.

Обычно я это делаю, создавая обычный список, затем добавляю в него свои данные и, наконец, преобразовываю список в массив numpy следующим образом:

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

конечно, ваш последний объект занимает в два раза больше места в памяти на этапе создания, но добавление в список python происходит очень быстро, как и создание с использованием np.array ().

Введено в numpy 1.8:

numpy.full

Вернуть новый массив заданной формы и типа, заполненный fill_value.

Примеры:

>>> 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 массива для питона

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

является:

import numpy as np

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

numpy.fromiter() это то, что вы ищете:

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

Он также работает с выражениями генератора, например:

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

Если вы заранее знаете длину массива, вы можете указать ее с помощью необязательного аргумента count.

Вы действительно хотите, насколько это возможно, избегать явных циклов при вычислении массивов, поскольку это снижает выигрыш в скорости от этой формы вычислений. Есть несколько способов инициализировать массив numpy. Если вы хотите, чтобы он был заполнен нулями, сделайте, как сказал katrielalex:

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

РЕДАКТИРОВАТЬ: Какую последовательность вы делаете? Вы должны проверить различные функции numpy, которые создают массивы, например numpy.linspace(start, stop, size)(число с равным интервалом) или numpy.arange(start, stop, inc). По возможности, эти функции сделают массивы значительно быстрее, чем выполнение той же работы в явных циклах.

Чтобы инициализировать массив numpy с определенной матрицей:

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

вывод:

(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 вашего первого примера использования массива

a = numpy.arange(5)

Чтобы инициализировать big_array, используйте

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

Это предполагает, что вы хотите инициализировать нулями, что довольно типично, но есть много других способов инициализировать массив в numpy .

Изменить: если вы заранее не знаете размер big_array, обычно лучше сначала создать список Python с помощью append, а когда у вас есть все, что собрано в списке, преобразовать этот список в массив numpy, используя numpy.array(mylist). Причина этого в том, что списки предназначены для очень эффективного и быстрого роста, тогда как numpy.concatenate будет очень неэффективным, поскольку массивы numpy не меняют размер легко. Но как только все будет собрано в список и вы узнаете окончательный размер массива, можно будет эффективно построить массив numpy.

Я бы предложил сначала определить форму. Затем переберите его, чтобы вставить значения.

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.]])

Когда бы вы ни оказались в следующей ситуации:

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

и вы хотите что-то подобное в numpy, в нескольких предыдущих ответах были указаны способы сделать это, но, как указал @katrielalex, эти методы неэффективны. Эффективный способ сделать это - создать длинный список, а затем изменить его так, как вы хотите, после того, как у вас будет длинный список. Например, предположим, что я читаю несколько строк из файла, и в каждой строке есть список чисел, и я хочу построить массив формы (количество прочитанных строк, длина вектора в каждой строке). Вот как я бы сделал это более эффективно:

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 понимаю, что это немного поздно, но я не заметил никаких других ответов, в которых упоминается индексация в пустой массив:

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 образом, вы заранее выделяете весь массив результатов numpy.emptyи заполняете строки по мере продвижения, используя индексированное присвоение.

Совершенно безопасно выполнить предварительное emptyвыделение, а не zerosв приведенном вами примере, поскольку вы гарантируете, что весь массив будет заполнен генерируемыми фрагментами.

Может быть, что-то подобное подойдет вам ...

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)

Что дает следующий результат

[[ 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.]]