我想要做的是采用这样的 numpy 数组：
[[1, 2, 4, 7, 9, 15, 0],
[3, 4, 3, 5, 10, 2, -2],
[5, 6, 56, 7, 20, 1, 2]]
我想将每一行的最后一列除以前一行的第 4 列，然后将结果作为新维度添加到数组中，我想要的输出应该如下所示
[[1, 2, 4, 7, 9, 15, 0, 0],
[3, 4, 3, 5, 10, 2, -2, -.2857],
[5, 6, 56, 7, 20, 1, 2, .4]]
这可以在没有 for 循环的情况下完成吗？（好吧，我想如果没有 for 循环这样做效率不高）但我仍然不确定如何用一个来做到这一点
import numpy as np
myarray = np.array([[1,2,4,7,9,15,0.0], [3, 4,3,5,10,2,-2], [5,6,56,7,20,1,2]])
#the division:
column_divs = myarray[:,-1][1:] / myarray[:,3][:-1]
#adds a 'placeholder' zero value, as the first element:
column_divs = np.hstack(([0], column_divs))
#adds the required column to the end of the array:
print np.hstack((myarray, column_divs.reshape(-1,1)))
#output:
[[ 1. 2. 4. 7. 9. 15. 0. 0. ]
[ 3. 4. 3. 5. 10. 2. -2. -0.28571429]
[ 5. 6. 56. 7. 20. 1. 2. 0.4 ]]
import numpy as np
lis=[[1, 2, 4, 7, 9, 15, 0],
[3, 4, 3, 5, 10, 2, -2],
[5, 6, 56, 7, 20, 1, 2]]
new_lis=[lis[i][:]+[lis[i][-1]/lis[i][3]] for i in range(len(lis))]
nparray=np.matrix(new_lis)
你会想要使用np.concatenate：
np.concatenate((a, np.concatenate(([[0]], a[1:, [-1]] / a[:-1, [3]].astype(float)))), axis=1)
如果您的astype(float)数组具有 int dtype，则 Python 2.x 需要 。
这也可以用hstackand来写vstack：
np.hstack((a, np.vstack(([[0]], a[1:, [-1]] / a[:-1, [3]].astype(float)))))
与其对行进行切片，不如使用roll：
np.hstack((a, np.vstack((a[:, [-1]] / np.roll(a[:, [3]], 1).astype(float)))))
提前为未回答的问题道歉，但除非您优先考虑算法纯度而不是性能，否则您肯定希望使用 for 循环或类似结构来做到这一点。
可能有一种方法可以完全通过矩阵运算来完成此操作（将原始值乘以自定义内核并将结果连接为原始矩阵上的新列），但效率不高。O(n^log7)考虑Strassen算法（两个方阵的有效乘法示例O(n^2.807)）n是 一个 for 循环将是O(m)，其中m是相关矩阵中的行数。