Python 将元素添加到 numpy 数组
声明：本页面是StackOverFlow热门问题的中英对照翻译，遵循CC BY-SA 4.0协议，如果您需要使用它，必须同样遵循CC BY-SA许可，注明原文地址和作者信息，同时你必须将它归于原作者（不是我）：StackOverFlow
原文地址: http://stackoverflow.com/questions/36998260/
Warning: these are provided under cc-by-sa 4.0 license. You are free to use/share it, But you must attribute it to the original authors (not me):
StackOverFlow
Prepend element to numpy array
提问by piRSquared
I have the following numpy array
我有以下 numpy 数组
import numpy as np
X = np.array([[5.], [4.], [3.], [2.], [1.]])
I want to insert [6.]at the beginning.
I've tried:
我想[6.]在开头插入。我试过了：
X = X.insert(X, 0)
how do I insert into X?
我如何插入到 X 中？
回答by Rosey
numpy has an insertfunction that's accesible via np.insertwith documentation.
numpy 有一个insert可以通过np.insertwith documentation访问的功能。
You'll want to use it in this case like so:
在这种情况下，您需要像这样使用它：
X = np.insert(X, 0, 6., axis=0)
the first argument Xspecifies the object to be inserted into.
第一个参数X指定要插入的对象。
The second argument 0specifies where.
第二个参数0指定在哪里。
The third argument 6.specifies what is to be inserted.
第三个参数6.指定要插入的内容。
The fourth argument axis=0specifies that the insertion should happen at position 0for every column. We could've chosen rows but your X is a columns vector, so I figured we'd stay consistent.
第四个参数axis=0指定插入应该发生在0每一列的位置。我们可以选择行，但您的 X 是列向量，所以我认为我们会保持一致。
回答by jbf81tb
I just wrote some code that does this operation ~100,000 times, so I needed to figure out the fastest way to do this. I'm not an expert in code efficiency by any means, but I could figure some things out by using the %%timeitmagic function in a jupyter notebook.
我只是写了一些代码来执行这个操作 ~100,000 次，所以我需要找出最快的方法来做到这一点。我无论如何都不是代码效率方面的专家，但我可以通过%%timeit在 jupyter notebook 中使用魔法函数来解决一些问题。
My findings:
我的发现：
np.concatenate(([number],array))requires the least time. Let's call it 1x time.
np.concatenate(([number],array))需要最少的时间。我们称之为 1x 次。
np.asarray([number] + list(array))comes in at ~2x.
np.asarray([number] + list(array))进来〜2x。
np.r_[number,array]is ~4x.
np.r_[number,array]是 ~4 倍。
np.insert(array,0,number)appears to be the worst option here at 8x.
np.insert(array,0,number)在 8 倍时似乎是最糟糕的选择。
I have no idea how this changes with the size of array(I used a shape (15,) array) and most of the options I suggested only work if you want to put the number at the beginning. However, since that's what the question is asking about, I figure this is a good place to make these comparisons.
我不知道这会如何随array（我使用形状 (15,) 数组）的大小而变化，而且我建议的大多数选项仅在您想将数字放在开头时才有效。但是，由于这就是问题所问的问题，我认为这是进行这些比较的好地方。
回答by Okroshiashvili
You can try the following
您可以尝试以下操作
X = np.append(arr = np.array([[6]]), values = X, axis= 0)
Instead of inserting 6 to the existing X, let append 6 by X.
不是将 6 插入到现有的 X 中，而是通过 X 附加 6。
So, first argument arris numpy array of scalar 6, second argument is your array to be added, and third is the place where we want to add
因此，第一个参数arr是标量 6 的 numpy 数组，第二个参数是要添加的数组，第三个是我们要添加的位置
回答by T0eJam
I know this is a fairly old one, but a short solution is using numpy slicing tricks:
我知道这是一个相当古老的方法，但一个简短的解决方案是使用 numpy 切片技巧：
np.r_[[[6.]], X]
If you need to do it in a second dimension you can use np.c_.
如果您需要在第二维中进行操作，您可以使用 np.c_。
I think this is the least cluttered version I can think of
我认为这是我能想到的最不杂乱的版本
