我有一个整数的 numpy
数组 x
(具有 (n,4)
形状),例如:
[[0 1 2 3],
[1 2 7 9],
[2 1 5 2],
...]
我想将数组转换成对数组:
[0,1]
[0,2]
[0,3]
[1,2]
...
所以第一个元素与同一子数组中的其他元素配对。我已经有了一个 for-loop
解决方案:
y=np.array([[x[j,0],x[j,i]] for i in range(1,4) for j in range(0,n)],dtype=int)
但由于遍历 numpy 数组效率不高,我尝试了 slicing
作为解决方案。我可以对每一列进行切片:
y[1]=np.array([x[:,0],x[:,1]]).T
# [[0,1],[1,2],[2,1],...]
我可以对所有列重复此操作。我的问题是:
- 我如何将
y[2]
附加到y[1]
,... 这样形状是(N,2)
? - 如果列数不小(在本例中为
4
),如何优雅地找到y[i]
? - 实现最终数组的替代方法有哪些?
最佳答案
我能想到的最简洁的方法是:
>>> x = np.arange(12).reshape(3, 4)
>>> x
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> n = x.shape[1] - 1
>>> y = np.repeat(x, (n,)+(1,)*n, axis=1)
>>> y
array([[ 0, 0, 0, 1, 2, 3],
[ 4, 4, 4, 5, 6, 7],
[ 8, 8, 8, 9, 10, 11]])
>>> y.reshape(-1, 2, n).transpose(0, 2, 1).reshape(-1, 2)
array([[ 0, 1],
[ 0, 2],
[ 0, 3],
[ 4, 5],
[ 4, 6],
[ 4, 7],
[ 8, 9],
[ 8, 10],
[ 8, 11]])
这将制作两个数据副本,因此这不是最有效的方法。那可能是这样的:
>>> y = np.empty((x.shape[0], n, 2), dtype=x.dtype)
>>> y[..., 0] = x[:, 0, None]
>>> y[..., 1] = x[:, 1:]
>>> y.shape = (-1, 2)
>>> y
array([[ 0, 1],
[ 0, 2],
[ 0, 3],
[ 4, 5],
[ 4, 6],
[ 4, 7],
[ 8, 9],
[ 8, 10],
[ 8, 11]])
关于python - 从 Numpy 中的数组创建对列表的有效方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29585379/