在Numpy中将向量附加到矩阵的优雅解决方案？

Question

我已经看到其他人发帖了，但我不清楚是否有更好的解决方案。我有一个2D NumPy数组，我想在其中添加一列。例如：

import numpy as np
A = np.array([[2., 3.],[-1., -2.]])
e = np.ones(2)
print(A)
print(e)
B = np.hstack((A,e.reshape((2,1)))) 
print(B)

完全符合我的要求。但有没有办法避免这种笨拙的重塑使用？

Answer 1

如果您想避免使用reshape，则必须附加正确尺寸的列：

e = np.ones((2, 1))
B = np.hstack((A,e))

请注意对ones的调用的修改。你现在必须使用重塑的原因是numpy并不认为维度2的数组与维度（2,1）的数组相同。第二个是2D数组，其中一个维度的大小为1。

Answer 2

我直接解决方案的提名是

np.concatenate((A, e[:, None]), axis=1)

[:,None]将e变成（2,1），可以连接到（2,2）以产生（2,3）。重塑也是如此，但在语法上并不漂亮。

使用hstack，vstack和c_的解决方案做同样的事情，但隐藏了一个或多个细节。

在这种情况下，我认为column_stack隐藏了最多的细节。

np.column_stack((A, e))

在幕后，这样做：

np.concatenate((A, np.array(e, copy=False, ndmin=2).T), axis=1)

np.array(... ndmin=2).T是进行重塑的另一种方式。

Answer 3

有很多解决方案。我喜欢np.c_将1d输入视为列（因此c），从而产生简洁，无杂乱，易于阅读的内容：

np.c_[A, e]
# array([[ 2.,  3.,  1.],
#        [-1., -2.,  1.]])

Answer 4

正如Tim B所说，hstack你需要一个(2,1)数组。或者（将e保持为一维数组），vstack到转置，然后进行转置：

In [11]: np.vstack((A.T, e)).T
Out[11]: 
array([[ 2.,  3.,  1.],
       [-1., -2.,  1.]])