Question

假设我有两个NumPy数组，a和b：

a = np.array([
    [1, 2, 3],
    [2, 3, 4]
    ])

b = np.array([8,9])

我想将相同的数组b附加到每一行（即添加多列）以获得一个数组c：

b = np.array([
    [1, 2, 3, 8, 9],
    [2, 3, 4, 8, 9]
    ])

如何在NumPy中轻松高效地做到这一点？

我特别担心它在大型数据集中（a比b大）的行为，有没有办法创建{的许多副本（即a.shape[0]） {1}}？

与this question相关，但具有多个值。

Answer 1

这是一种方式。我认为它是有效的，因为它是矢量化的。它依赖于以下事实：在矩阵乘法中，将行与列（1、1）预先相乘会产生该行的两个堆叠副本。

import numpy as np

a = np.array([
    [1, 2, 3],
    [2, 3, 4]
    ])

b = np.array([[8,9]])

np.concatenate([a, np.array([[1],[1]]).dot(b)], axis=1)

Out: array([[1, 2, 3, 8, 9],
            [2, 3, 4, 8, 9]])

请注意，b的指定稍有不同（作为二维数组）。

有没有办法创建b的多个副本？

最终结果包含这些副本（而numpy数组实际上是内存中值的数组），所以我不知道如何。

Answer 2

我最初解决此问题的方法是：

c = np.concatenate([a, np.tile(b, (a.shape[0],1))], axis = 1)

但这感觉效率很低...

Answer 3

concatenate方法的替代方法是制作一个收件人数组，并将值复制到其中：

In [483]: a = np.arange(300).reshape(100,3)
In [484]: b=np.array([8,9])
In [485]: res = np.zeros((100,5),int)
In [486]: res[:,:3]=a
In [487]: res[:,3:]=b

采样时间

In [488]: %%timeit
     ...: res = np.zeros((100,5),int)
     ...: res[:,:3]=a
     ...: res[:,3:]=b
     ...: 
     ...: 
6.11 µs ± 20.2 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

In [491]: timeit np.concatenate((a, b.repeat(100).reshape(2,-1).T),1)
7.74 µs ± 15.1 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

In [164]: timeit np.concatenate([a, np.ones([a.shape[0],1], dtype=int).dot(np.array([b]))], axis=1) 
8.58 µs ± 160 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

如何将多个额外的列添加到NumPy数组

3 个答案: