我有三个一维数组,其中两个长度相同,但第三个长度不同,例如
A = np.array([1, 2, 3, 4])
B = np.array([10, 20, 30, 40])
C = np.array([100, 200, 300, 400, 500])
我想将它们组合成一个网格,如下所示:
D = np.array([[[1, 10, 100], [1, 10, 200], [1, 10, 300], [1, 10, 400], [1, 10, 500]],
[[2, 20, 100], [2, 20, 200], [2, 20, 300], [2, 20, 400], [2, 20, 500]],
[[3, 30, 100], [3, 30, 200], [3, 30, 300], [3, 30, 400], [3, 30, 500]],
[[4, 40, 100], [4, 40, 200], [4, 40, 300], [4, 40, 400], [4, 40, 500]]])
它类似于坐标网格,但是 A
和 B
一起变化,所以我假设它们需要先组合,然后将生成的 2D 数组与C 不知何故,但我找不到 stack
、concatenate
、meshgrid
等的正确组合。
实际的数组会比这个例子大很多(每个都有数千个值),而且代码会被调用很多次,所以速度很重要。它将存在于 MCMC 采样器的主循环中,其中 A
和 B
是在每个循环中变化的参数,而 C
是一个常量.
最佳答案
我们分别称A
, B
, C
a
, b
的长度>,c
,分别。您正在寻找形状为 (a, c, 3)
(或 (b, c, 3)
)的输出数组。正确堆叠 A
和 B
会为您提供形状为 (a, 2)
:
zipped = np.stack((A, B), axis=-1)
为了能够将 C
附加到 zipped
,您需要沿结果的前两个轴将数组广播到相同的形状:
Aa = np.broadcast_to(zipped[..., None, :], (A.size, C.size, 2))
Cc = np.broadcast_to(C[..., None], (A.size, C.size, 1))
result = np.append(Aa, Cc, axis=-1)
整个操作可以写成一行:
result = np.append(np.broadcast_to(np.stack((A, B), axis=-1)[..., None, :], (A.size, C.size, 2)), np.broadcast_to(C[..., None], (A.size, C.size, 1)), axis=-1)
这个操作相当有效:np.broadcast_to
创建一个 View 而不复制任何数据。只有 append
操作本身会进行复制。
关于python - Numpy:将三个 1D 数组组装成 3D(但不完全是简单的坐标网格),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65581458/