Numpy-native“嵌套类”结构

【问题标题】：Numpy-native "nested-for-like" structureNumpy-native“嵌套类”结构
【发布时间】：2015-10-04 07:30:11
【问题描述】：

我想在 python 中生成一个 2×N 数组，用于scipy.optimize.curve_fit。

我有一个将两个独立变量存储为一维数组的函数，以及一个二维数组中的数据。 curve_fit 要求将数据展平，使用 data.ravel() 很容易。

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

有效，但速度很慢。（矢量化？）更快的方法是什么？

【问题讨论】：

pv 写了一个numpy cartesian product implementation。这样你就可以使用ordinate = cartesian([length, time])。

标签： python arrays performance numpy vectorization

【解决方案1】：

如果我的问题正确，您正在寻找从存储为 1D 数组的两个独立变量中形成 2D 网格。所以，同样的，你可以使用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]])

【讨论】：

np.meshgrid 是我找不到的函数。谢谢。
@Excalabur 很高兴为您提供帮助！