Python numpy 中的“zip()”等价物是什么？答案

【问题标题】：What is the equivalent of "zip()" in Python's numpy?Python numpy 中的“zip()”等价物是什么？
【发布时间】：2012-09-26 12:32:56
【问题描述】：

我正在尝试使用 numpy 数组执行以下操作：

x = [(0.1, 1.), (0.1, 2.), (0.1, 3.), (0.1, 4.), (0.1, 5.)]
normal_result = zip(*x)

这应该给出以下结果：

normal_result = [(0.1, 0.1, 0.1, 0.1, 0.1), (1., 2., 3., 4., 5.)]

但是如果输入向量是一个numpy数组：

y = np.array(x)
numpy_result = zip(*y)
print type(numpy_result)

它（预期）返回一个：

<type 'list'>

问题是我需要在此之后将结果转换回 numpy 数组。

我想知道的是，是否有一个有效的 numpy 函数可以避免这些来回转换？

【问题讨论】：

标签： python arrays numpy

【解决方案1】：

尝试使用dstack：

>>> from numpy import *
>>> a = array([[1,2],[3,4]]) # shapes of a and b can only differ in the 3rd dimension (if present)
>>> b = array([[5,6],[7,8]])
>>> dstack((a,b)) # stack arrays along a third axis (depth wise)
array([[[1, 5],
        [2, 6]],
       [[3, 7],
        [4, 8]]])

所以你的情况是：

x = [(0.1, 1.), (0.1, 2.), (0.1, 3.), (0.1, 4.), (0.1, 5.)]
y = np.array(x)
np.dstack(y)

>>> array([[[ 0.1,  0.1,  0.1,  0.1,  0.1],
    [ 1. ,  2. ,  3. ,  4. ,  5. ]]])

【讨论】：

向二维数组添加一个额外的维度。如果您想要类似于 OP 想要的东西，则必须获取 dstacked 数组的第一个元素。
Numpy np.stack 是最接近 zip 的矩阵。 arrays = (x, y); np.stack(arrays, axis=len(arrays)).
还有np.column_stack，可能是OP需要的。
不完全是正确的答案，但了解一下很有用

【解决方案2】：

你可以转置它...

>>> a = np.array([(0.1, 1.), (0.1, 2.), (0.1, 3.), (0.1, 4.), (0.1, 5.)])
>>> a
array([[ 0.1,  1. ],
       [ 0.1,  2. ],
       [ 0.1,  3. ],
       [ 0.1,  4. ],
       [ 0.1,  5. ]])
>>> a.T
array([[ 0.1,  0.1,  0.1,  0.1,  0.1],
       [ 1. ,  2. ,  3. ,  4. ,  5. ]])

【讨论】：

聪明——数学很好用