Question

我遇到np.append的问题。

我正在尝试使用以下代码复制20x361矩阵n_list_converted的最后一列：

n_last = []
n_last = n_list_converted[:, -1]
n_lists = np.append(n_list_converted, n_last, axis=1)

但我得到错误：

ValueError：所有输入数组必须具有相同的维数

但是，我已经通过

检查了矩阵尺寸

 print(n_last.shape, type(n_last), n_list_converted.shape, type(n_list_converted))

我得到了

（20L，）（20L，361L）

所以尺寸匹配？错误在哪里？

Answer 1

如果我从一个3x4阵列开始，并连接一个3x1阵列，轴1，我得到一个3x5阵列：

In [911]: x = np.arange(12).reshape(3,4)
In [912]: np.concatenate([x,x[:,-1:]], axis=1)
Out[912]: 
array([[ 0,  1,  2,  3,  3],
       [ 4,  5,  6,  7,  7],
       [ 8,  9, 10, 11, 11]])
In [913]: x.shape,x[:,-1:].shape
Out[913]: ((3, 4), (3, 1))

请注意，连接的两个输入都有2个维度。

忽略:，x[:,-1]是（3，）形状 - 它是1d，因此错误：

In [914]: np.concatenate([x,x[:,-1]], axis=1)
...
ValueError: all the input arrays must have same number of dimensions

np.append的代码是（在这种情况下指定了轴）

return concatenate((arr, values), axis=axis)

因此，稍微更改语法append就可以了。而不是列表，它需要2个参数。它模仿列表append是语法，但不应该与列表方法混淆。

In [916]: np.append(x, x[:,-1:], axis=1)
Out[916]: 
array([[ 0,  1,  2,  3,  3],
       [ 4,  5,  6,  7,  7],
       [ 8,  9, 10, 11, 11]])

np.hstack首先确保所有输入都是atleast_1d，然后连接：

return np.concatenate([np.atleast_1d(a) for a in arrs], 1)

因此它需要相同的x[:,-1:]输入。基本上是相同的行动。

np.column_stack也在轴1上连接。但首先它通过

传递1d输入

array(arr, copy=False, subok=True, ndmin=2).T

这是将（3，）数组转换为（3,1）数组的一般方法。

In [922]: np.array(x[:,-1], copy=False, subok=True, ndmin=2).T
Out[922]: 
array([[ 3],
       [ 7],
       [11]])
In [923]: np.column_stack([x,x[:,-1]])
Out[923]: 
array([[ 0,  1,  2,  3,  3],
       [ 4,  5,  6,  7,  7],
       [ 8,  9, 10, 11, 11]])

所有这些＆＃39;堆栈＆＃39;可以很方便，但从长远来看，了解维度和基础np.concatenate非常重要。还知道如何查找这样的函数的代码。我经常使用ipython ??魔法。

在时间测试中，np.concatenate明显更快 - 使用像这样的小数组，额外的函数调用层会产生很大的时间差异。

Answer 2

（n，）和（n，1）的形状不同。尝试使用[:, None]表示法将向量转换为数组：

n_lists = np.append(n_list_converted, n_last[:, None], axis=1)

或者，在提取n_last时，您可以使用

n_last = n_list_converted[:, -1:]

获取(20, 1)数组。

Answer 3

你得到错误的原因是因为＆＃34; 1 by n＆＃34;矩阵与长度为n的数组不同。

我建议改用hstack()和vstack()。像这样：

import numpy as np
a = np.arange(32).reshape(4,8) # 4 rows 8 columns matrix.
b = a[:,-1:]                    # last column of that matrix.

result = np.hstack((a,b))       # stack them horizontally like this:
#array([[ 0,  1,  2,  3,  4,  5,  6,  7,  7],
#       [ 8,  9, 10, 11, 12, 13, 14, 15, 15],
#       [16, 17, 18, 19, 20, 21, 22, 23, 23],
#       [24, 25, 26, 27, 28, 29, 30, 31, 31]])

注意重复的＆＃34; 7,15,23,31和＃34;柱。另请注意，我使用的是a[:,-1:]而不是a[:,-1]。我的版本会生成一列：

array([[7],
       [15],
       [23],
       [31]])

而不是行array([7,15,23,31])

编辑：append() 多更慢。阅读this answer。

Answer 4

您也可以通过将方括号[]括起来，将（n，）转换为（n，1）。

例如代替np.append(b,a,axis=0)使用np.append(b,[a],axis=0)

a=[1,2]
b=[[5,6],[7,8]]
np.append(b,[a],axis=0)

返回

array([[5, 6],
       [7, 8],
       [1, 2]])

ValueError：所有输入数组必须具有相同的维数

4 个答案: