python - Numpy-native "nested-for-like"结构

Question

我想在 python 中生成一个 2×N 数组，以便与 scipy.optimize.curve_fit 一起使用。

我有一个由两个独立变量存储为一维数组的函数，以及存储在二维数组中的数据。 curve_fit 要求将数据展平，这可以通过 data.ravel() 轻松实现。

但是，这是我用来生成 2xN 纵坐标值数组的技巧:

ordinate = np.array([[l,t] for l in length for t in time]).T 

它可以工作，但速度很慢。什么是(矢量化？)更快的方法？

Answer 1

如果我的问题正确，那么您正在寻找由存储为一维数组的两个自变量形成一个二维网格。因此，同样，您可以使用 np.meshgrid -

time2D,length2D = np.meshgrid(time,length)
ordinate_vectorized = np.row_stack((length2D.ravel(),time2D.ravel()))

示例运行 -

In [149]: time
Out[149]: array([7, 2, 1, 9, 6])

In [150]: length
Out[150]: array([3, 5])

In [151]: ordinate = np.array([[l,t] for l in length for t in time]).T

In [152]: ordinate
Out[152]: 
array([[3, 3, 3, 3, 3, 5, 5, 5, 5, 5],
       [7, 2, 1, 9, 6, 7, 2, 1, 9, 6]])

In [153]: time2D,length2D = np.meshgrid(time,length)
     ...: ordinate_vectorized = np.row_stack((length2D.ravel(),time2D.ravel()))
     ...: 

In [154]: ordinate_vectorized
Out[154]: 
array([[3, 3, 3, 3, 3, 5, 5, 5, 5, 5],
       [7, 2, 1, 9, 6, 7, 2, 1, 9, 6]])