在Python中使用numpy迭代地附加ndarray数组

Question

我试图找出如何迭代地附加2D数组以生成单个更大的数组。 在每次迭代中，生成一个16x200的ndarray，如下所示：

对于每次迭代，生成一个新的16x200数组，我想将此“追加”到先前生成的数组中，总共N次迭代。 例如，对于两次迭代，第一次生成的数组将是16x200，而对于第二次迭代，新生成的16x200数组将被附加到第一次创建16x400大小的数组。

train = np.array([])
for i in [1, 2, 1, 2]:  
    spike_count = [0, 0, 0, 0]
    img = cv2.imread("images/" + str(i) + ".png", 0)  # Read the associated image to be classified
    k = np.array(temporallyEncode(img, 200, 4))
    #  Somehow append k to train on each iteration

在上述嵌入代码的情况下，循环迭代4次，因此预期最终列车阵列的大小为16x800。 任何帮助将不胜感激，我已经在如何成功实现这一点上画了一个空白。 以下代码是一般情况：

import numpy as np

totalArray = np.array([])
for i in range(1,3):
    arrayToAppend = totalArray = np.zeros((4, 200))
    # Append arrayToAppend to totalArray somehow

Answer 1

虽然可以在每次迭代时执行concatenate （或“堆栈”变体之一），但通常在列表中累积数组并执行连接一次会更快。 列表追加更简单，更快捷。

alist = []
for i in range(0,3):
    arrayToAppend = totalArray = np.zeros((4, 200))
    alist.append(arrayToAppend)
arr = np.concatenate(alist, axis=1)   # to get (4,600)
# hstack does the same thing   
# vstack is the same, but with axis=0   # (12,200)
# stack creates new dimension,   # (3,4,200), (4,3,200) etc

Answer 2

尝试使用numpy hstack 。 从文档中，hstack采用一系列数组并将它们水平堆叠以形成单个数组。

例如：

import numpy as np

x = np.zeros((16, 200))
y = x.copy()

for i in xrange(5):
    y = np.hstack([y, x])
    print y.shape

得到：

(16, 400)
(16, 600)
(16, 800)
(16, 1000)
(16, 1200)