numpy ndarrayを「拡張」する良い方法はありますか？私がこのようなndarrayを持っているとしましょう：
[[1 2]
[3 4]]
そして、ゼロを埋めることで、各行にさらに多くの要素を含める必要があります。
[[1 2 0 0 0]
[3 4 0 0 0]]
これを行うには、ブルートフォース攻撃の方法がいくつかあるはずです（たとえば、ゼロを使用して大きな配列を作成し、古い小さな配列から要素をコピーするなど）。試しnumpy.reshapeましたが、機能しませんでした：
import numpy as np
a = np.array([[1, 2], [3, 4]])
np.reshape(a, (2, 5))
Numpyは次のように不平を言っています：ValueError: total size of new array must be unchanged
numpy.pad次のように使用できます。
>>> import numpy as np
>>> a=[[1,2],[3,4]]
>>> np.pad(a, ((0,0),(0,3)), mode='constant', constant_values=0)
array([[1, 2, 0, 0, 0],
[3, 4, 0, 0, 0]])
ここでnp.padは、「配列aを取得して、その上に0行、下に0行、左側に0列、右側に3列を追加します。これらの列に「」でconstant指定された値を入力しますconstant_values。
インデックストリックr_とがありc_ます。
>>> import numpy as np
>>> a = np.array([[1, 2], [3, 4]])
>>> z = np.zeros((2, 3), dtype=a.dtype)
>>> np.c_[a, z]
array([[1, 2, 0, 0, 0],
[3, 4, 0, 0, 0]])
これがパフォーマンスが重要なコードである場合はnp.concatenate、インデックスのトリックではなく、同等のコードを使用することをお勧めします。
>>> np.concatenate((a,z), axis=1)
array([[1, 2, 0, 0, 0],
[3, 4, 0, 0, 0]])
ともありますがnp.resize、np.ndarray.resizeいくつかの制限があります（numpyがメモリにデータをレイアウトする方法のため）ので、それらのdocstringを読んでください。おそらく、単純に連結する方が良いことがわかるでしょう。
ちなみに、これを行う必要があるときは、通常、すでに述べた基本的な方法（ゼロの配列を作成し、その中に小さい配列を割り当てる）で行いますが、問題はありません。
明確にするために、NumPy配列は拡張できないため、NumPy配列を拡張する「良い」方法はありません。配列が定義されると、その要素の数と各要素のサイズの組み合わせである、配列がメモリ内で占めるスペースは固定され、変更できなくなります。できることは、新しい配列を作成し、その要素の一部を元の配列の要素に置き換えることだけです。
np.concatenate便利な関数（関数とそのnp.*stackショートカットnp.column_stack、、インデックスルーチンnp.r_など）はたくさんありますがnp.c_、それだけです。便利な関数です。それらのいくつかは経営幹部レベルで最適化されています（np.concatenateそして他のものは私が思うに）、いくつかはそうではありません。
「手動で」（おそらくゼロで埋められた）大きな配列を作成し、それを自分で最初の配列で埋めるという最初の提案には、まったく何もないことに注意してください。より複雑なソリューションよりも読みやすいかもしれません。
np.column_stackまたはを使用する必要がありますappend
import numpy as np
p = np.array([ [1,2] , [3,4] ])
p = np.column_stack( [ p , [ 0 , 0 ],[0,0] ] )
p
Out[277]:
array([[1, 2, 0, 0],
[3, 4, 0, 0]])
ただし、追加の方が速いようです。
timeit np.column_stack( [ p , [ 0 , 0 ],[0,0] ] )
10000 loops, best of 3: 61.8 us per loop
timeit np.append(p, [[0,0],[0,0]],1)
10000 loops, best of 3: 48 us per loop
そして、との比較np.c_[np.hstack追加はまだ最速のようです]：
In [295]: z=np.zeros((2, 2), dtype=a.dtype)
In [296]: timeit np.c_[a, z]
10000 loops, best of 3: 47.2 us per loop
In [297]: timeit np.append(p, z,1)
100000 loops, best of 3: 13.1 us per loop
In [305]: timeit np.hstack((p,z))
10000 loops, best of 3: 20.8 us per loop
そしてnp.concatenate[それは]よりも少し速いですappend：
In [307]: timeit np.concatenate((p, z), axis=1)
100000 loops, best of 3: 11.6 us per loop
# what you want to expand
x = np.ones((3, 3))
# expand to what shape
target = np.zeros((6, 6))
# do expand
target[:x.shape[0], :x.shape[1]] = x
# print target
array([[ 1., 1., 1., 0., 0., 0.],
[ 1., 1., 1., 0., 0., 0.],
[ 1., 1., 1., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0.],
[ 0., 0., 0., 0., 0., 0.]])
少し変更を加えて、https： //stackoverflow.com/a/35751427/1637673から借ります。
def pad(array, reference_shape, offsets=None):
"""
array: Array to be padded
reference_shape: tuple of size of narray to create
offsets: list of offsets (number of elements must be equal to the dimension of the array)
will throw a ValueError if offsets is too big and the reference_shape cannot handle the offsets
"""
if not offsets:
offsets = np.zeros(array.ndim, dtype=np.int32)
# Create an array of zeros with the reference shape
result = np.zeros(reference_shape, dtype=np.float32)
# Create a list of slices from offset to offset + shape in each dimension
insertHere = [slice(offsets[dim], offsets[dim] + array.shape[dim]) for dim in range(array.ndim)]
# Insert the array in the result at the specified offsets
result[insertHere] = array
return result
np.vstack、np.hstack、np.dstackのような同様のメソッドもあります。どの次元が「拡張」されているかが明確になるので、np.concatenteよりもこれらが好きです。
temp = np.array([[1, 2], [3, 4]])
np.hstack((temp, np.zeros((2,3))))
numpyの最初の軸が垂直であるためvstackが最初の軸を拡張し、2番目の軸が水平であるためhstackであるため、覚えやすいです。