将 2D 数组复制到 3D 数组 - Python / NumPy答案

【问题标题】：Copy 2D array to a 3D one - Python / NumPy将 2D 数组复制到 3D 数组 - Python / NumPy
【发布时间】：2016-04-07 04:43:36
【问题描述】：

我年轻的时候会编程一点，但我从来都不是很好。我发现 Python 非常适合我想做的事情。

我有一个 Excel 文件，其中包含我使用 numpy genfromtxt 函数读取的数据（64 列，18496 行）。我想将所有内容放在一个名为 H 的 3D 矩阵中。我使用三个循环来这样做，但我知道这不是最有效的。

data = np.genfromtxt(filename, delimiter = ";",skiprows = 11) 
H = np.zeros((N,N,Nt))

for k in np.arange(N):
    for l in np.arange(N):            
        for m in np.arange(Nt):    
            H[k,l,m] = data[m+Nt*k,l]

是否有切割器（计算速度更快）可以这样做。我虽然想使用 numpy 形状，但我做不到。

谢谢

【问题讨论】：

标签： python arrays performance numpy vectorization

【解决方案1】：

您可以使用np.reshape 重新调整形状，然后使用np.transpose 重新排列尺寸，就像这样 -

H = data.reshape(N,Nt,N).transpose(0,2,1)

除了np.transpose，也可以使用np.swapaxes，因为基本上我们在那里交换axes 1,2，就像这样-

H = data.reshape(N,Nt,N).swapaxes(1,2)

示例运行 -

In [300]: N = 2
     ...: Nt = 3
     ...: data = np.random.randint(0,9,(N*Nt,N))
     ...: 

In [301]: data
Out[301]: 
array([[3, 6],
       [7, 4],
       [8, 1],
       [8, 7],
       [4, 8],
       [2, 3]])

In [302]: H = np.zeros((N,N,Nt),dtype=data.dtype)
     ...: for k in np.arange(N):
     ...:     for l in np.arange(N):            
     ...:         for m in np.arange(Nt):    
     ...:             H[k,l,m] = data[m+Nt*k,l]
     ...:             

In [303]: H
Out[303]: 
array([[[3, 7, 8],
        [6, 4, 1]],

       [[8, 4, 2],
        [7, 8, 3]]])

In [304]: data.reshape(N,Nt,N).transpose(0,2,1)
Out[304]: 
array([[[3, 7, 8],
        [6, 4, 1]],

       [[8, 4, 2],
        [7, 8, 3]]])

运行时测试-

In [8]: # Input
   ...: N = 10
   ...: Nt = 10*50
   ...: data = np.random.randint(0,9,(N*Nt,N))
   ...: 
   ...: def original_app(data):
   ...:     H = np.zeros((N,N,Nt),dtype=data.dtype)
   ...:     for k in np.arange(N):
   ...:         for l in np.arange(N):            
   ...:             for m in np.arange(Nt):    
   ...:                 H[k,l,m] = data[m+Nt*k,l]
   ...:     return H
   ...: 

In [9]: np.allclose(original_app(data),data.reshape(N,Nt,N).transpose(0,2,1))
Out[9]: True

In [10]: %timeit original_app(data)
10 loops, best of 3: 56.1 ms per loop

In [11]: %timeit data.reshape(N,Nt,N).transpose(0,2,1)
1000000 loops, best of 3: 1.25 µs per loop

【讨论】：

@Fred 如果您没有明确指定 dtype，np.zeros 将默认创建一个 float 数组。如果 data 不是 float 数组，这可能会产生不良后果。