Wie man einen Vektor an eine Matrix in Python anhängen

Question

Ich möchte einen Vektor an eine Matrix in Python anhängen. Ich versuchte append oder concatenate Methoden, aber ich habe die Antwort nicht erhalten. Ich arbeitete zuvor mit Matlab und dort habe ich dies:

m = zeros(10,4) % define my matrix, 10x4 
    v = ones(10,1) % my vecto, 10x1 
    c = [m,v] % so simple! the result is: 10x5 (the vector added as the last column) 

Wie kann ich das in Python zu tun mit numpy?

dank

Answer 1

Sie suchen np.r_ und np.c_. (Think "Spalte Stapel" und "Zeile Stack" (die auch Funktionen sind), aber mit Matlab-Stil Bereich Generationen.)

Auch np.concatenate sehen, np.vstack, np.hstack, np.dstack, np.row_stack, np.column_stack usw.

Für Beispiel:

import numpy as np 
m = np.zeros((10, 4)) 
v = np.ones((10, 1)) 
c = np.c_[m, v] 

Ausbeuten:

array([[ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.]]) 

Dies ist auch äquivalent zu np.hstack([m, v]) oder np.column_stack([m, v])

Wenn Sie sich nicht von Matlab kommen, hstack und column_stack wahrscheinlich scheinen viel besser lesbar und beschreibend. (Und sie sind wohl besser in diesem Fall aus diesem Grund.)

Allerdings haben np.c_ und np.r_ zusätzliche Funktionalität, die Leute von Matlab zu erwarten erwarten. Zum Beispiel:

In [7]: np.r_[1:5, 2] 
Out[7]: array([1, 2, 3, 4, 2]) 

Oder:

In [8]: np.c_[m, 0:10] 
Out[8]: 
array([[ 0., 0., 0., 0., 0.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 2.], 
     [ 0., 0., 0., 0., 3.], 
     [ 0., 0., 0., 0., 4.], 
     [ 0., 0., 0., 0., 5.], 
     [ 0., 0., 0., 0., 6.], 
     [ 0., 0., 0., 0., 7.], 
     [ 0., 0., 0., 0., 8.], 
     [ 0., 0., 0., 0., 9.]]) 

Jedenfalls für Matlab Leute, ist es praktisch, über np.r_ und np.c_ neben vstack, hstack usw.

Answer 2

In numpy wissen es ist ähnlich:

>>> m=np.zeros((10,4)) 
>>> m 
array([[ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.]]) 
>>> v=np.ones((10,1)) 
>>> v 
array([[ 1.], 
     [ 1.], 
     [ 1.], 
     [ 1.], 
     [ 1.], 
     [ 1.], 
     [ 1.], 
     [ 1.], 
     [ 1.], 
     [ 1.]]) 

>>> np.c_[m,v] 
array([[ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.], 
     [ 0., 0., 0., 0., 1.]])