如何將此嵌套回圈轉換為numpy廣播？

我想重新排列我的資料（兩個偶數長度的一維陣列）：

cs = [w x y z]
rs = [a b c d e f]

做出這樣的結果：

[[a b w x]
 [c d w x]
 [e f w x]
 [a b y z]
 [c d y z]
 [e f y z]]

這是我嘗試過的（有效）：

ls = []
for c in range(0,len(cs),2):
  for r in range(0,len(rs),2):
    item = [rs[r], rs[r 1], cs[c], cs[c 1]]
    ls.append(item)

但我想使用重塑/廣播或其他 numpy 函式獲得相同的結果。在 numpy 中執行此任務的慣用方式是什么？

uj5u.com熱心網友回復：

您可以平鋪 的元素rs，重復 的元素，cs然后將它們排列為二維陣列的列：

import numpy as np

cs = np.array(['w', 'x', 'y', 'z'])
rs = np.array(['a', 'b', 'c', 'd', 'e', 'f'])
res = np.c_[np.tile(rs[::2], len(cs) // 2), np.tile(rs[1::2], len(cs) // 2),
            np.repeat(cs[::2], len(rs) // 2), np.repeat(cs[1::2], len(rs) // 2)]

結果：

array([['a', 'b', 'w', 'x'],
       ['c', 'd', 'w', 'x'],
       ['e', 'f', 'w', 'x'],
       ['a', 'b', 'y', 'z'],
       ['c', 'd', 'y', 'z'],
       ['e', 'f', 'y', 'z']], dtype='<U1')

替代：

np.c_[np.tile(rs.reshape(-1, 2), (len(cs) // 2, 1)),
      np.repeat(cs.reshape(-1, 2), len(rs) // 2, axis=0)]

uj5u.com熱心網友回復：

使用 , 的替代方法tile/repeat是生成重復的行索引。

制作兩個陣列 - 重新整形，因為它們將被組合：

In [106]: rs=np.reshape(list('abcdef'),(3,2))
In [107]: cs=np.reshape(list('wxyz'),(2,2))
In [108]: rs
Out[108]: 
array([['a', 'b'],
       ['c', 'd'],
       ['e', 'f']], dtype='<U1')
In [109]: cs
Out[109]: 
array([['w', 'x'],
       ['y', 'z']], dtype='<U1')

制作類似索引的“網格網格”（itertools.product也可以使用）

In [110]: IJ = np.indices((3,2))
In [111]: IJ
Out[111]: 
array([[[0, 0],
        [1, 1],
        [2, 2]],

       [[0, 1],
        [0, 1],
        [0, 1]]])

reshapewithorder給出兩個一維陣列：

In [112]: I,J=IJ.reshape(2,6,order='F')
In [113]: I,J
Out[113]: (array([0, 1, 2, 0, 1, 2]), array([0, 0, 0, 1, 1, 1]))

然后只需索引rsandcs并將它們與hstack:

In [114]: np.hstack((rs[I],cs[J]))
Out[114]: 
array([['a', 'b', 'w', 'x'],
       ['c', 'd', 'w', 'x'],
       ['e', 'f', 'w', 'x'],
       ['a', 'b', 'y', 'z'],
       ['c', 'd', 'y', 'z'],
       ['e', 'f', 'y', 'z']], dtype='<U1')

編輯

Here's another way of looking this - a bit more advanced. With sliding_window_view we can get a "block" view of that Out[114] result:

In [130]: np.lib.stride_tricks.sliding_window_view(_114,(3,2))[::3,::2,:,:]
Out[130]: 
array([[[['a', 'b'],
         ['c', 'd'],
         ['e', 'f']],

        [['w', 'x'],
         ['w', 'x'],
         ['w', 'x']]],


       [[['a', 'b'],
         ['c', 'd'],
         ['e', 'f']],

        [['y', 'z'],
         ['y', 'z'],
         ['y', 'z']]]], dtype='<U1')

With a bit more reverse engineering, I find I can create Out[114] with:

In [147]: res = np.zeros((6,4),'U1')
In [148]: res1 = np.lib.stride_tricks.sliding_window_view(res,(3,2),writeable=True)[::3,::2,:,:]
In [149]: res1[:,0,:,:] = rs
In [150]: res1[:,1,:,:] = cs[:,None,:]
In [151]: res
Out[151]: 
array([['a', 'b', 'w', 'x'],
       ['c', 'd', 'w', 'x'],
       ['e', 'f', 'w', 'x'],
       ['a', 'b', 'y', 'z'],
       ['c', 'd', 'y', 'z'],
       ['e', 'f', 'y', 'z']], dtype='<U1')

I can't say that either of these is superior, but they show there are various ways of "vectorizing" this kind of array layout.

標籤：麻木的

上一篇：更改np陣列Python中的值

下一篇：加入兩個2Dnumpy陣列，其中一行在另一行之上