Python NumPy 无循环按列尾值规则向多维数组追加行元素

实现思路 #

• 直接提取order数组第一列的末尾元素值作为判断依据
• 预定义两种场景对应的追加行，以0/1的取值顺序建立行映射池，通过索引直接匹配对应行，无需分支判断
• 使用np.vstack完成行的垂直堆叠，全程不使用for循环、不使用列表推导式，符合约束要求

完整实现代码 #

import numpy as np

order = np.array([[     0,  38846],
                  [     1,  51599],
                  [     0,  51599],
                  [     1,  52598],
                  [     0, 290480],
                  [     1, 335368],
                  [     0, 335916]])

# 获取第一列最后一个元素的取值
last_val = order[-1, 0]
# 按取值顺序预定义可追加的行：索引0对应last_val=0的场景，索引1对应last_val=1的场景
append_candidates = np.array([[1, 10000], [2, 20000]])
# 按取值索引取出对应行，保持二维格式以适配堆叠要求
append_row = append_candidates[[last_val]]
# 垂直堆叠完成追加
order = np.vstack([order, append_row])

print(order)

场景验证 #

• 当第一列末尾值为0（即给定的初始数组场景）：输出结果与预期完全匹配

[[     0  38846]
 [     1  51599]
 [     0  51599]
 [     1  52598]
 [     0 290480]
 [     1 335368]
 [     0 335916]
 [     1  10000]]

• 当第一列末尾值为1（将初始数组最后一行修改为[1, 335916]的场景）：输出结果与预期完全匹配

[[     0  38846]
 [     1  51599]
 [     0  51599]
 [     1  52598]
 [     0 290480]
 [     1 335368]
 [     1 335916]
 [     2  20000]]

补充说明 #

• 映射索引的实现方式可直接拓展，后续如果有更多追加规则，只需按顺序在append_candidates数组中补充对应行即可
• 若需要修改原数组的内存引用，可使用np.concatenate配合out参数实现原地修改，无需新建数组

内容的提问来源于stack exchange，提问作者tony selcuk