带有移位的numpy数组的Python列添加答案

【问题标题】：Python column addition of numpy arrays with shift带有移位的numpy数组的Python列添加
【发布时间】：2014-03-27 02:23:21
【问题描述】：

如何使用 python numpy 数组通过 shift 完成列添加？

我有一个二维数组，需要它的扩展副本。

a = array([[0, 2, 4, 6, 8],
       [1, 3, 5, 7, 9]])

我想要类似的东西（以下是伪代码，它不起作用；据我所知，numpy 中没有a.columns）：

shift = 3
mult_factor = 0.7
for column in a.columns - shift :
    out[column] = a[column] + 0.7 * a[column + shift]

我也知道，我可以使用索引来做类似于我需要的事情。但我似乎真的过分枚举三个值并只使用一个（j）：

for (i,j),value in np.ndenumerate(a):
    print i,j

我创立了，我可以遍历列，但不能遍历它们的索引：

for column in a.T:
    print column

虽然我可以简单地使用类似于 xrange 的东西来做到这一点，但适用于多维数组：

In [225]: for column in np.ndindex(a.shape[1]):
            print column
   .....:     
(0,)
(1,)
(2,)
(3,)
(4,)

所以现在我只知道如何使用简单的 xrange 来做到这一点，我不确定这是最好的解决方案。

out = np.zeros(a.shape)
shift = 2
mult_factor = 0.7
for i in xrange(a.shape[1]-shift):
    print a[:, i]
    out[:, i] =  a[:, i] + mult_factor * a[:, i+shift]

然而，在 Python 中它可能不会那么快。你能给我一个建议吗？它的性能如何？也许有更快的方法来完成 numpy 数组的列添加与 shift ？

【问题讨论】：

这是什么版本的numpy？（a.columns 对我不起作用）。另外，你能解释一下班次的输出应该是什么吗？
a.columns 将不起作用它是伪代码，代表我真正需要的。 shift 是用于添加列的偏移量，仅此而已，第一个输出列应该是第一个输入列plus first+shift 列

标签： python arrays numpy iteration

【解决方案1】：

out = a[:, :-shift] + mult_factor * a[:, shift:]

我认为这就是您要寻找的。它是循环的矢量化形式，在 a 的大片上运行，而不是逐列运行。

【讨论】：

所以一般来说，在 numpy 向量中，算术向量应该是等长的。我尝试了类似的东西，但没有这样优雅。请您解释一下numpy 是如何执行此添加的？
@PavelShvechikov：这个问题有很多不同的可能答案，具体取决于您实际需要回答的方面。您可以查看broadcasting tutorial，它很有可能回答有关 NumPy 如何处理数组上的算术运算的问题。

【解决方案2】：

我并不肯定我完全理解计算的数量应该是什么，但这里有两件事似乎与您的要求密切相关：

如果您有一个名为a 的二维数组，您希望将其转换为一维数组列表，即a 的列，您可以这样做

cols = [c for c in a.T]
如果我没记错的话，看起来你想要的可以用矩阵乘法来完成。您可以使用numpy.diag 在 numpy 中创建一个带状矩阵，或者，由于每个带 1、mult_factor 或 0 的值相同，您可以使用 scipy.linalg.toeplitz

m,n = a.shape
乐队 = np.eye(1,n)
带 [0,shift] = 多因子
T = scipy.linalg.toeplitz(np.eye(1,m),band)
out = np.inner(a,T)

对于大型矩阵，如果您只想添加两列或几列a，则对T 使用稀疏矩阵可能是有意义的。

【讨论】：