- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我目前正在寻找可以交错 2 个 numpy.ndarray 的方法。这样
>>> a = np.random.rand(5,5)
>>> print a
[[ 0.83367208 0.29507876 0.41849799 0.58342521 0.81810562]
[ 0.31363351 0.69468009 0.14960363 0.7685722 0.56240711]
[ 0.49368821 0.46409791 0.09042236 0.68706312 0.98430387]
[ 0.21816242 0.87907115 0.49534121 0.60453302 0.75152033]
[ 0.10510938 0.55387841 0.37992348 0.6754701 0.27095986]]
>>> b = np.random.rand(5,5)
>>> print b
[[ 0.52237011 0.75242666 0.39895415 0.66519185 0.87043142]
[ 0.08624797 0.66193953 0.80640822 0.95403594 0.33977566]
[ 0.13789573 0.84868366 0.09734757 0.06010175 0.48043968]
[ 0.28871551 0.62186888 0.44603741 0.3351644 0.6417847 ]
[ 0.85745394 0.93179792 0.62535765 0.96625077 0.86880908]]
>>>
打印 c 应该交错每一行两个矩阵
[ 0.83367208 0.52237011 0.29507876 0.75242666 0.41849799 0.39895415 0.58342521 0.66519185 0.81810562 0.87043142]
我总共有三个应该交错的,但我想一次做两个会更容易..
但我如何轻松地做到这一点..我阅读了一些使用数组的方法,但我不确定是否使用 ndarrays 来做到这一点?
最佳答案
用np.dstack
沿着第三轴堆叠那些并 reshape 回 2D
-
np.dstack((a,b)).reshape(a.shape[0],-1)
对于三个数组或更多数组,只需将它们相加即可。因此,对于三个数组,使用:np.dstack((a,b,c))
并用 c
reshape 为第三个数组。
sample 运行-
In [99]: a
Out[99]:
array([[8, 4, 0, 5, 6],
[0, 2, 3, 0, 6],
[4, 4, 0, 6, 5],
[7, 5, 0, 7, 0],
[6, 7, 4, 7, 2]])
In [100]: b
Out[100]:
array([[3, 5, 8, 6, 5],
[5, 6, 8, 8, 4],
[8, 3, 3, 3, 5],
[2, 1, 1, 1, 3],
[5, 7, 7, 5, 7]])
In [101]: np.dstack((a,b)).reshape(a.shape[0],-1)
Out[101]:
array([[8, 3, 4, 5, 0, 8, 5, 6, 6, 5],
[0, 5, 2, 6, 3, 8, 0, 8, 6, 4],
[4, 8, 4, 3, 0, 3, 6, 3, 5, 5],
[7, 2, 5, 1, 0, 1, 7, 1, 0, 3],
[6, 5, 7, 7, 4, 7, 7, 5, 2, 7]])
关于python - 如何交错 numpy.ndarrays?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42162300/
在这个例子中,我有一个一维 ndarray 列表,长度为 9,列表有 9 个元素,每个元素有 shape=(2048,) ,所以完全9 * (2048,) , 我得到这些 ndarray来自 mxne
Python/NumPy 中的三种“全部”方法有什么区别?性能差异的原因是什么? ndarray.all() 是否总是三者中最快的? 这是我运行的计时测试: In [59]: a = np.full(
我似乎在 this 中遇到了 XY 问题关于如何判断数组是否共享相同内存的问题。我检查的方式是错误的,我不知道为什么。 举几个例子 test = np.ones((3,3)) test2 = np.a
我在使用 mxnet 进行基本 IO 方面遇到问题。我正在尝试使用 mxnet.io.NDArrayIter 读取内存数据集以在 mxnet 中进行训练。我有下面的代码(为了简洁而精简),它预处理代码
首先,这不是作业问题;而是作业问题。它是与我的工作相关的实际问题的抽象。我真的很感谢所有的意见! 我需要运行类似于下面的计算,按顺序运行数万次,它的计算时间显着影响我的模拟的总持续时间: 在这个抽象中
这个问题在这里已经有了答案: Index multidimensional array with index array (1 个回答) 关闭 2 年前。 我想根据一些坐标从 src ndarray
因此 numpy ndarray 非常方便,因为您只需为任何一维函数 f 和任何 ndarray A 输入 f(A) 即可,它将按元素应用 f。有人告诉我,这也是将函数应用于 ndarray 并避免
我有一个 ndarray 字符串。我想将它转换回 ndarray。我尝试了 newval = np.fromstring(val, dtype=float) 。但它给出了ValueError:字符串大
我正在 python/numpy 中做一些机器学习工作,其中我想用一维 ndarray 索引一个二维 ndarray,这样我就可以得到一个带有索引值的一维数组。 我让它与一些丑陋的代码一起工作,我想知
我想根据某些维度的索引位置数组提取 numpy ndarray 的一部分。让我用一个例子来说明这一点 示例数据 dummy = np.random.rand(5,2,100) X = np.array
这个问题在这里已经有了答案: Find the row indexes of several values in a numpy array (8 个答案) 关闭 2 年前。 我有 a = np.a
我想提取 numpy.ndarray 的第一个轴成为numpy.ndarray的列表. 例如,arr_A包含形状为 (3, 100, 200) 的 numpy ndarray,它将转换为形状为 (10
我一直在尝试用 ndarrays 的 numpy ndarray 转换数组数组。 这是我的数据类型: dt = 'i8,i8,i8,i8,i8,i8,i8,i8,i8,i8,i8,i8,i8,f8,i
我目前正在研究一种可以拆分 numpy.ndarray 的方法进入给定数量的子阵列,只要该数量小于窗口移动的轴。 示例: 给定一个形状为 (15, 40, 3) 的 numpy.ndarray 我想分
我用 arcpy 模块创建了一个 NumPy 结构化数组(称为 arr): arr = arcpy.da.FeatureClassToNumPyArray('MPtest','SHAPE@XYZ',e
是否可以将一个 numpy 数组的特定行的引用存储在另一个 numpy 数组中? 我有一个二维节点数组,例如 nodes = np.array([[1, 2], [2, 3], [3, 4], [4,
我有两个长度相同的 pandas 系列,如下所示: S1 = 0 -0.483415 1 -0.514082 2 -0.515724 3 -0.519375 4
当使用 numpy 时,假设我有一个任意的、以前创建的名为 my_ndarray 的 ndarray。如果可能的话,我希望能够执行以下操作...... my_bytes = my_ndarray.to
我在尝试使用 numpy 打乱多维数组时遇到问题。可以使用以下代码重现该问题: import numpy as np s=(300000, 3000) n=s[0] print ("Allocate"
当您调用 DataFrame.to_numpy() 时,pandas 将找到可以容纳 DataFrame 中所有数据类型的 NumPy 数据类型。但是如何进行反向操作呢? 我有一个“numpy.nda
我是一名优秀的程序员,十分优秀!