给定以下二维数组:
a = np.array([
[1, 2, 3],
[2, 3, 4],
])
我想在第二轴上加上一列0，得到:
b = np.array([
[1, 2, 3, 0],
[2, 3, 4, 0],
])
当前回答
在我的例子中，我必须向NumPy数组中添加一列1
X = array([ 6.1101, 5.5277, ... ])
X.shape => (97,)
X = np.concatenate((np.ones((m,1), dtype=np.int), X.reshape(m,1)), axis=1)
后 X.shape => (97,2)
array([[ 1. , 6.1101],
[ 1. , 5.5277],
...
其他回答
我喜欢这个:
new_column = np.zeros((len(a), 1))
b = np.block([a, new_column])
np。插入也可以。
matA = np.array([[1,2,3],
[2,3,4]])
idx = 3
new_col = np.array([0, 0])
np.insert(matA, idx, new_col, axis=1)
array([[1, 2, 3, 0],
[2, 3, 4, 0]])
它沿着一个轴插入值，这里是new_col，在给定索引之前，这里是idx。换句话说，新插入的值将占据idx列，并将最初在idx处和之后的值向后移动。
在我的例子中，我必须向NumPy数组中添加一列1
X = array([ 6.1101, 5.5277, ... ])
X.shape => (97,)
X = np.concatenate((np.ones((m,1), dtype=np.int), X.reshape(m,1)), axis=1)
后 X.shape => (97,2)
array([[ 1. , 6.1101],
[ 1. , 5.5277],
...
对我来说，下一种方法看起来非常直观和简单。
zeros = np.zeros((2,1)) #2 is a number of rows in your array.
b = np.hstack((a, zeros))
我喜欢JoshAdel的回答，因为他关注的是表现。一个较小的性能改进是避免使用零进行初始化的开销，而这些初始化只会被覆盖。当N很大时，这有一个可测量的差异，用空代替零，零的列被写成一个单独的步骤:
In [1]: import numpy as np
In [2]: N = 10000
In [3]: a = np.ones((N,N))
In [4]: %timeit b = np.zeros((a.shape[0],a.shape[1]+1)); b[:,:-1] = a
1 loops, best of 3: 492 ms per loop
In [5]: %timeit b = np.empty((a.shape[0],a.shape[1]+1)); b[:,:-1] = a; b[:,-1] = np.zeros((a.shape[0],))
1 loops, best of 3: 407 ms per loop
