更改numpy数组的形状

我想你最好创建一个空的二维数组,稍后再填充它…

import numpy as np

N = how_many()
L = how_long()

complete = np.empty((N, L), dtype=float)

for i in range(N):
    complete(i, :) = extract_feature(i)

代替 dtype=float 根据问题的需要,可以使用不同的数字类型。

例如。,

In [14]: a = np.empty((2,4), dtype=float)

In [15]: for i in (0, 1):
    ...:     a[i,:] = np.ones(4)*i
    ...:     

In [16]: a
Out[16]: 
array([[0., 0., 0., 0.],
       [1., 1., 1., 1.]])

附录

论效率 如果事先知道数组的维数,他们将一行一行地构造数组,那么上面的方法更好,因为它经常避免 全部查找新内存,将临时结果和新行复制到新内存,并释放用于保存上一个临时结果的内存。

使用连接的替代方法 另一方面,如果一个人事先不知道在创建数组的过程中会产生多少行,或者坚持使用次优解, 他们可以使用 np.vstack 我是说, 将新行的结果封装在 发电机

import numpy as np

def features_factory(stuff):
    while true:
        feature = new_feature(stuff)
        if feature:
            yield feature
        else:
            return

complete = np.vstack(features_factory(todays_stuff))

例如。,

In [1]: import numpy as np

In [2]: np.random.seed((2018+7+8)) # today's stuff... ;)

In [3]: def features_factory(stuff):
   ...:     n = 0
   ...:     while True:
   ...:         if n<stuff:
   ...:             yield np.ones(5)*n
   ...:             n = n+1
   ...:         else:
   ...:             return        

In [4]: complete = np.vstack(features_factory(np.random.randint(5,11)))

In [5]: complete
Out[5]: 
array([[0., 0., 0., 0., 0.],
       [1., 1., 1., 1., 1.],
       [2., 2., 2., 2., 2.],
       [3., 3., 3., 3., 3.],
       [4., 4., 4., 4., 4.],
       [5., 5., 5., 5., 5.],
       [6., 6., 6., 6., 6.],
       [7., 7., 7., 7., 7.]])

In [6]: