从 numpy 数组列表创建 numpy 数组的 Pythonic 方法

Question

我在循环中生成一维 numpy 数组的列表，然后将此列表转换为 2d numpy 数组。如果我提前知道项目的数量，我会预先分配一个 2d numpy 数组，但我不知道，因此我将所有内容都放在一个列表中。

模型如下:

>>> list_of_arrays = map(lambda x: x*ones(2), range(5))
>>> list_of_arrays
[array([ 0.,  0.]), array([ 1.,  1.]), array([ 2.,  2.]), array([ 3.,  3.]), array([ 4.,  4.])]
>>> arr = array(list_of_arrays)
>>> arr
array([[ 0.,  0.],
       [ 1.,  1.],
       [ 2.,  2.],
       [ 3.,  3.],
       [ 4.,  4.]])

我的问题如下:

有没有更好的方法(性能方面)来完成收集顺序数值数据(在我的情况下为 numpy 数组)的任务，而不是将它们放在一个列表中，然后从中制作一个 numpy.array(我正在创建一个新的obj 和复制数据)？在经过良好测试的模块中是否有可用的“可扩展”矩阵数据结构？

我的二维矩阵的典型大小在 100x10 到 5000x10 float 之间

编辑:在这个例子中我使用的是 map ，但在我的实际应用中我有一个 for 循环

Answer 1

方便的方式，使用numpy.concatenate .我相信它也比@unutbu 的回答更快:

In [32]: import numpy as np 

In [33]: list_of_arrays = list(map(lambda x: x * np.ones(2), range(5)))

In [34]: list_of_arrays
Out[34]: 
[array([ 0.,  0.]),
 array([ 1.,  1.]),
 array([ 2.,  2.]),
 array([ 3.,  3.]),
 array([ 4.,  4.])]

In [37]: shape = list(list_of_arrays[0].shape)

In [38]: shape
Out[38]: [2]

In [39]: shape[:0] = [len(list_of_arrays)]

In [40]: shape
Out[40]: [5, 2]

In [41]: arr = np.concatenate(list_of_arrays).reshape(shape)

In [42]: arr
Out[42]: 
array([[ 0.,  0.],
       [ 1.,  1.],
       [ 2.,  2.],
       [ 3.,  3.],
       [ 4.,  4.]])