python - Numpy: `arange` 的数组

Question

有没有办法带...

>>> x = np.array([0, 8, 10, 15, 50]).reshape((-1, 1)); ncols = 5

……然后把它变成……

array([[ 0,  1,  2,  3,  4],
       [ 8,  9, 10, 11, 12],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [50, 51, 52, 53, 54]])

我能够用 np.apply_along_axis...

>>> def myFunc(a, ncols):
        return np.arange(a, (a+ncols))

>>> np.apply_along_axis(myFunc, axis=1, arr=x)

和 for 循环...

>>> X = np.zeros((x.size,ncols))
>>> for a,b in izip(xrange(x.size),x):
        X[a] = myFunc(b, ncols)

但是他们太慢了。有没有更快的方法？

提前致谢。

Answer 1

以下将执行此操作:

In [9]: x = np.array([0, 8, 10, 15, 50]).reshape((-1, 1))

In [10]: ncols = 5

In [11]: x + np.arange(ncols)
Out[11]: 
array([[ 0,  1,  2,  3,  4],
       [ 8,  9, 10, 11, 12],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [50, 51, 52, 53, 54]])

它将行向量添加到列向量并依赖于 broadcasting做剩下的事情。

这应该和任何事情一样快:生成一个 1000x1000 矩阵需要大约 1.6 毫秒:

In [17]: %timeit np.arange(1000).reshape((-1, 1)) + np.arange(1000)
1000 loops, best of 3: 1.61 ms per loop