如何在Numpy数组中添加由行内现有值计算的列（BMI示例）

问题分析 #

你当前的代码存在两个核心问题：

1. 身高列提取错误：female[:,:1]取的是数组第一列（体重），而非身高列，应该改为female[:,1]或female[:,1:2]获取第二列的身高数据。
2. 结果格式不符合需求：循环中append的是单个元素的numpy数组，最终得到的是数组列表，无法直接和原数组合并。Numpy的核心优势是向量化运算，完全不需要用逐行循环来实现。

正确实现步骤 #

假设female是n行2列的数组，第一列为体重（单位：kg），第二列为身高（分两种情况处理）：

情况1：原始身高单位是厘米（需转为米）

# 提取体重（一维数组）
weights = female[:, 0]
# 提取身高并转换为米
heights = female[:, 1] / 100
# 向量化计算BMI，四舍五入保留2位小数
bmi = np.round(weights / (heights ** 2), 2)
# 将BMI转为二维数组后，与原数组合并
female_with_bmi = np.column_stack((female, bmi))

情况2：原始身高单位已经是米（如你给出的示例）

去掉身高转换的步骤即可：

# 直接用原数组列进行向量化计算
bmi = np.round(female[:, 0] / (female[:, 1] ** 2), 2)
# 合并数组（reshape将一维BMI转为n行1列的二维结构，匹配原数组维度）
female_with_bmi = np.hstack((female, bmi.reshape(-1, 1)))

验证示例 #

如果输入的female数组是：

female = np.array([[100, 1.5], [130, 1.6]])

运行代码后得到的female_with_bmi结果为：

array([[100.  ,   1.5 ,  44.44],
       [130.  ,   1.6 ,  50.78]])

和你期望的格式完全一致（小数位差异是计算精度导致，可通过调整np.round的参数控制）。

为什么不用循环？ #

Numpy的向量化运算比Python循环效率高得多，尤其是数组规模较大时，能显著提升运行速度，同时代码更简洁易读。

内容的提问来源于stack exchange，提问作者Riley Oussoren