Python numpy 数组的列加法与移位

Question

如何使用 python numpy 数组通过移位完成列加法？

我有二维数组，需要它的扩展副本。

a = array([[0, 2, 4, 6, 8],
       [1, 3, 5, 7, 9]])

我想要类似的东西(以下是伪代码，它不起作用；据我所知，numpy中没有a.columns):

shift = 3
mult_factor = 0.7
for column in a.columns - shift :
    out[column] = a[column] + 0.7 * a[column + shift] 

我也知道，我可以使用索引做类似于我需要的事情。但我认为枚举三个值并仅使用一个 (j) 确实有点过分了:

for (i,j),value in np.ndenumerate(a):
    print i,j

我发现我可以迭代列，但不能迭代它们的索引:

for column in a.T:
    print column

尽管我可以简单地使用类似于 xrange 的东西来做到这一点，但适用于多维数组:

In [225]: for column in np.ndindex(a.shape[1]):
            print column
   .....:     
(0,)
(1,)
(2,)
(3,)
(4,)

所以现在我只知道如何使用简单的 xrange 来做到这一点，我不确定这是最好的解决方案。

out = np.zeros(a.shape)
shift = 2
mult_factor = 0.7
for i in xrange(a.shape[1]-shift):
    print a[:, i]
    out[:, i] =  a[:, i] + mult_factor * a[:, i+shift]

然而，在 Python 中它可能不会那么快。 你能给我一个建议，它的性能如何，也许有更快的方法来完成 numpy 数组的列添加与移位？

Answer 1

out = a[:, :-shift] + mult_factor * a[:, shift:]

我想这就是您要找的。它是循环的矢量化形式，对大片 a 进行操作，而不是逐列操作。