numpy - 如何有效地为多个参数准备矩阵(二维数组)？

Question

如果您想有效地为多个参数评估一维数组，即没有 for 循环，您可以这样做:

x = array([1, 2, 3])
def gen_1d_arr(x):
    arr = array([2 + x, 2 - x,])
    return arr

gen_1d_arr(x).T

你得到:

array([[ 3,  1],
       [ 4,  0],
       [ 5, -1]])

好的，但是如何对二维数组执行此操作，如下所示:

def gen_2d_arr(x):
    arr = array([[2 + x, 2 - x,],
                 [2 * x, 2 / x]])
    return arr

并获得这个？:

array([[[ 3.        ,  1.        ],
        [ 2.        ,  2.        ]],

       [[ 4.        ,  0.        ],
        [ 4.        ,  1.        ]],

       [[ 5.        , -1.        ],
        [ 6.        ,  0.66666667]]])

此外，对于 n 维数组，这通常可行吗？

Answer 1

看看你用你的函数得到了什么

In [274]: arr = np.array([[2 + x, 2 - x,],
                 [2 * x, 2 / x]])

In [275]: arr
Out[275]: 
array([[[ 3.        ,  4.        ,  5.        ],
        [ 1.        ,  0.        , -1.        ]],

       [[ 2.        ,  4.        ,  6.        ],
        [ 2.        ,  1.        ,  0.66666667]]])

In [276]: arr.shape
Out[276]: (2, 2, 3)

3 来自 x。中间的 2 来自 [2+x, 2-x] 对，第一个 2 来自外部列表。

看起来你想要的是一个 (3,2,2) 数组。一种选择是对 arr 应用转置或轴交换。

arr.transpose([2,0,1])

np.array([arr1,arr2]) 的基本操作是构造一个新的数组，前面有一个新的维度，即形状为 (2, *arr1(shape ))。

还有其他组合数组的操作。 np.concatenate及其变体hstack、vstack、dstack、column_stack、join阵列。 .reshape() 和 [None,...], atleast_nd 等添加维度。查看 stack 函数的代码，了解如何使用这些工具组合数组。

关于效率问题，我的时间测试表明连接操作通常比 np.array 快。通常 np.array 将其输入转换为列表，并重新解析值。这使它在将数组强制转换为特定数据类型方面具有更大的能力，但以时间为代价。但我只担心构建时间很长的大型阵列。