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
我认为:
np.column_stack((a, zeros(shape(a)[0])))
更优雅。
其他回答
有点晚了，但还没有人发布这个答案，所以为了完整起见:你可以在一个普通的Python数组上使用列表推导式来完成:
source = a.tolist()
result = [row + [0] for row in source]
b = np.array(result)
假设M是一个(100,3)ndarray, y是一个(100，)ndarray追加可以这样使用:
M=numpy.append(M,y[:,None],1)
诀窍在于使用
y[:, None]
这将y转换为(100,1)2D数组。
M.shape
现在给
(100, 4)
使用hstack的一种方法是:
b = np.hstack((a, np.zeros((a.shape[0], 1), dtype=a.dtype)))
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
使用numpy.append:
>>> a = np.array([[1,2,3],[2,3,4]])
>>> a
array([[1, 2, 3],
[2, 3, 4]])
>>> z = np.zeros((2,1), dtype=int64)
>>> z
array([[0],
[0]])
>>> np.append(a, z, axis=1)
array([[1, 2, 3, 0],
[2, 3, 4, 0]])
