创建一个滞后的 numpy 矩阵答案

【问题标题】：creating an numpy matrix with a lag创建一个滞后的 numpy 矩阵
【发布时间】：2014-02-09 08:34:33
【问题描述】：

假设我有

q=2

y=[5,10,5,15,20,25,30,35,5,10,15,20]

n=len(y)

我想制作一个具有 nxq 维度的矩阵，其中第一行是 [5,10]，第二行是 [10,5]，第三行是 [5,15] ...等等.

有没有办法做到这一点，或者我必须使用for loop 和concatenate 函数？

【问题讨论】：

标签： numpy matrix iteration

【解决方案1】：

我们的好朋友 index_tricks 来救援：

import numpy as np

#illustrate functionality on a 2d array
y=np.array([5,10,5,15,20,25,30,35,5,10,15,20]).reshape(2,-1)

def running_view(arr, window, axis=-1):
    """
    return a running view of length 'window' over 'axis'
    the returned array has an extra last dimension, which spans the window
    """
    shape = list(arr.shape)
    shape[axis] -= (window-1)
    assert(shape[axis]>0)
    return np.lib.index_tricks.as_strided(
        arr,
        shape + [window],
        arr.strides + (arr.strides[axis],))

print running_view(y, 2)

它将视图返回到原始数组中，因此性能为 O(1)。编辑：概括为包含 nd 数组的可选轴参数。

【讨论】：

你完全明白了。现在我必须查看index_tricks 并尝试了解发生了什么
更新后的代码使逻辑更加明确。 as_strided 允许您覆盖数组步幅（谨慎使用；它也允许您创建越界步幅）。 arr.strides + (arr.strides[axis],) 告诉 numpy 沿窗口轴的步长与沿要查看的轴的步长相同；很简单。这只留下一些逻辑来产生一个不允许越界索引的正确形状。
我不确定你的意思；我确实插入了一个新维度，它确实具有“任意”和正确的步幅。啊，我想你是在回复我的预编辑帖子。
是的，第一次重塑可能应该被删除，这让我很困惑。
第一次重塑只是为了说明该函数不仅仅适用于一维数组

【解决方案2】：

由于 NumPy 数组默认为row-major ordered，您可以直接reshape() 将数组“包裹”到矩阵的行中（假设列数除以数组的长度）。

import numpy as np

def as_matrix(x, ncols):
    nrows = len(x) // ncols
    return np.array(x).reshape(nrows, ncols)

as_matrix(y, 2)

#> array([[ 5, 10],
#>        [ 5, 15],
#>        [20, 25],
#>        [30, 35],
#>        [ 5, 10],
#>        [15, 20]])

【讨论】：