我想構造以下矩陣：
[v0 v1 v2 v3 .... v(M-d 1)
v1 .
v2 . .
. .
.
vd . . v(M) ]
其中每個 v(k) 是一個 (ndarray) 向量，例如來自一個矩陣
X = np.random.randn(100, 8)
M = 7
d = 3
v0 = X[:, 0]
v1 = X[:, 1]
...
使用for 回圈，我可以做這樣的事情，例如：
v1 = np.array([1, 2, 3]).reshape((-1, 1))
v2 = np.array([10, 20, 30]).reshape((-1, 1))
v3 = np.array([100, 200, 300]).reshape((-1, 1))
v4 = np.array([100.1, 200.1, 300.1]).reshape((-1, 1))
v5 = np.array([1.1, 2.2, 3.3]).reshape((-1, 1))
X = np.hstack((v1, v2, v3, v4, v5))
d = 2
X_ = np.zeros((d * X.shape[0], X.shape[1] 1-d))
for i in range (d):
X_[i*X.shape[0]:(i 1) * X.shape[0], :] = X[:X.shape[0], i:i (X.shape[1] 1-d)]
我得到：
X_ = array([[ 1. , 10. , 100. , 100.1],
[ 2. , 20. , 200. , 200.1],
[ 3. , 30. , 300. , 300.1],
[ 10. , 100. , 100.1, 1.1],
[ 20. , 200. , 200.1, 2.2],
[ 30. , 300. , 300.1, 3.3]]) #Which is the wanted matrix
有沒有辦法以向量化的方式構造這個矩陣（我想當涉及到大型矩陣時，它會比 for 回圈更快？）。
謝謝你。
uj5u.com熱心網友回復：
這看起來是最優的；你已經很好地將它矢量化了。我可以做的唯一改進是替換np.zeros為np.empty，它跳過了初始化陣列。我嘗試使用np.vstackand np.lib.stride_tricks.sliding_window_view（在https://stackoverflow.com/a/60581287之后）并獲得與 for 回圈相同的性能np.empty。
# sliding window:
X_ = np.lib.stride_tricks.sliding_window_view(X, (X.shape[0], X.shape[1] 1-d)).reshape(d*X.shape[0], -1)
# np.vstack:
X_ = np.vstack([X[:, i:i (X.shape[1] 1-d)] for i in range(d)])
轉載請註明出處，本文鏈接：https://www.uj5u.com/caozuo/441565.html
下一篇：如何根據另一列中的條件創建新列