python - 从向量化的二维数组中获取值

Question

我在以下方面遇到了一些问题。我有一个 M x 2N 数组(解决方案)。我想获取这些值并将它们放入 N M x 2 数组中，每个数组存储在列表 masses 中的不同对象中。该代码不能依赖于所有循环，否则程序会非常慢。这是我的尝试:

        for i in range(len(masses)):
            self.masses[i].l = solution[:len(solution)][2*i: 2*(i + 1)]

问题是，这只是获取整个解决方案数组并将其放入每个 l 数组中。知道为什么会发生这种情况吗？

举个例子，假设数组 masses 中有 3 个对象。 解决方案输入为

[[0,0,0,0,0,0]
 [1,2,3,4,5,6]
 [2,4,6,8,10,12]]

masses 中每个对象的 l 的预期值为:

self.masses[0].l = [[0,0]
                    [1,2]
                    [2,4]]


self.masses[1].l = [[0,0]
                    [3,4]
                    [6,8]]

self.masses[2].l = [[0,0]
                    [5,6]
                    [10,12]]

相反，每个l数组只是设置为solution数组。

Answer 1

您可以通过列表理解来做到这一点。它比普通循环更快。
我不知道 masses 中存储了哪些对象，因此为了这个示例，让我使用 masses 作为一个简单的列表。

solution = [[0,0,0,0,0,0], [1,2,3,4,5,6], [2,4,6,8,10,12]]

masses = [None] * 3 #I get that its length should be half of the length of the inner lists in solution.
for i in range(len(masses)):
     masses[i] = [j[2*i:2*(i+1)] for j in solution]

print(masses)

质量是:

[
 [[0, 0], [1, 2], [2, 4]], 
 [[0, 0], [3, 4], [6, 8]], 
 [[0, 0], [5, 6], [10, 12]]
]

这应该是你想要的。

猜测如何将它与您的masses列表一起使用，它应该是:

for i in range(len(masses)):
    self.masses[i].l = [j[2*i:2*(i+1)] for j in solution]

只需确保 self.masses 列表中有足够的对象，否则您将收到 IndexError。

评论后编辑

如果solution是一个Mx2N numpy数组，可以这样完成:

import numpy as np
solution = np.array([[0,0,0,0,0,0], [1,2,3,4,5,6], [2,4,6,8,10,12]])
masses = [solution[...,2*i:2*(i+1)] for i in range(int(solution.shape[1]/2))]

质量是:

[
 array([[0, 0], [1, 2], [2, 4]]), 
 array([[0, 0], [3, 4], [6, 8]]), 
 array([[0, 0], [5, 6], [10, 12]])
]

正如我在评论中所说，如果您使用之前提到的列表理解，那么每个 masses 条目将是一维 numpy 数组的列表。现在，每个 masses 条目都是一个 2D numpy 数组。
我不确定效率，但尝试一下:numpy indexing相当快。
但是，如果您正在处理大量数据，那么在某些时候您只需要忍受它即可。优化存在限制。

在 OOP 设置中，您可能有一种方法来填充 self.masses 属性列表。它应该是这样的:

def setmasses(self, solution):
    for i in range(int(solution.shape[1]/2)):
        self.masses[i].l = solution[...,2*i:2*(i+1)]

恐怕在这种情况下没有简单的方法可以避免 for 循环，因为您需要循环遍历已存在的对象列表。