追加 Python 3D Numpy 数组答案

【问题标题】：Append Python 3D Numpy Array追加 Python 3D Numpy 数组
【发布时间】：2018-01-14 11:35:40
【问题描述】：

我有一些关于 3D python numpy 的问题

import numpy as np
n = 5
m = 4

Sc = np.random.rand(m,n,n)
S1 = np.zeros((1,n+2))
S2 = np.zeros((n,1))

A0 = np.r_[S1, np.c_[S2, Sc[0], S2], S1]
A1 = np.r_[S1, np.c_[S2, Sc[1], S2], S1]
#print(A)
#print(B)
A = np.array([A0,A1])
A.shape
Atmp = np.r_[S1, np.c_[S2, Sc[2], S2], S1]

A = (2, 7, 7)的维度

和Atmp = (7,7)的维度。

如何追加Atmp to A？

【问题讨论】：

Atmp + A 没有给我任何错误。也许A += Atmp？你需要明确你想要什么。
不，我的意思是将 Atmp 附加到数组 A
A = np.array((A0, A1, Atmp)) 或 A = np.vstack((A, Atmp[None,...]))
np.append 是另一种使用np.concatenate 的方式，而且常常令人困惑。 np.r_ 和 np.c_ 也是 concatenate 前端。

标签： python arrays numpy append

【解决方案1】：

如果你能帮上忙，不要concatenate/append/stack 数组，尤其是大数组。非常浪费内存，速度慢。

分配A = np.empty((m, n+2, n+2))，然后用A[i] = np.r_[S1, np.c_[S2, Sc[i], S2], S1] 填充。或者将其矢量化并摆脱 for 循环：

A = np.zeros((m, n+2, n+2))
A[:,1:-1,1:-1] = Sc

甚至可以一行完成：

A = np.pad(Sc, ((0,0),(1,1),(1,1)), 'constant', constant_values = 0)

【讨论】：

感谢您的回答，对我的问题很有帮助。这是一个大维度数组的问题，你能推荐一些关于这个方法的阅读吗？
indexing docs 和 np.pad
我认为这个答案不仅给了我问题的答案，而且还提供了在 python 中使用大问题数组的新方法。非常感谢你，我投票赞成接受答案

【解决方案2】：

你可以试试这个：

A = np.concatenate([A, [Atmp]])

【讨论】：

谢谢你的回答，我想，这个回答对我的问题有用。

【解决方案3】：

您可以使用 reshape 将数组放入正确的形式：

np.reshape(Atmp,(1, Atmp.shape[0], Atmp.shape[1]))

然后追加为

np.vstack([A, np.reshape(Atmp,(1, 7, 7))])

【讨论】：