更改没有循环的 numpy 数组的格式答案

【问题标题】：change the format of a numpy array with no loops更改没有循环的 numpy 数组的格式
【发布时间】：2015-07-26 19:50:44
【问题描述】：

我有一个形状为 a.shape = (1,k*d) 的 numpy 数组，我想将其转换为每列形状为 b.shape = (k*d,k) 的 numpy 数组

b[i,j] = a[i] if j<i+1

b[i,j] = 0 if not

例如：

k = 3
d= 2
**********

A =  |a|   =>  B =  |a 0 0|
     |b|            |b 0 0|
     |c|            |0 c 0|
     |d|            |0 d 0|
     |e|            |0 0 e|
     |f|            |0 0 f|

主要是，没有循环！

我正在寻找的是一系列导致所需结果的 numpy-matrix 操作。

【问题讨论】：

标签： python numpy matrix vectorization

【解决方案1】：

这是一种基于对输入数组进行零填充的有效方法。每个代码步骤中的内联 cmets 必须更清楚地说明它如何实现所需的输出。这是代码-

# Arrange groups of d number of elements from the input array into 
# rows of a 2D array and pad with k*d zeros in each row. 
# Thus, the shape of this 2D array would be (k,d+k*d)
A_zeroappend = np.zeros((k,(k+1)*d))
A_zeroappend[:,:d] = A.reshape(-1,d)

# Get rid of the last row of appended zeros.
# Reshape and transpose to desired output shape (k*d,k) 
out = A_zeroappend.ravel()[:k*k*d].reshape(-1,k*d).T

运行时测试

这是一个快速运行时测试，比较了建议的方法和other answer 中列出的基于np.repeat 的方法-

In [292]: k = 800
     ...: d = 800
     ...: A = np.random.randint(2,9,(1,k*d))
     ...: 

In [293]: %%timeit
     ...: B = np.zeros((k*d,k))
     ...: B[np.arange(k*d),np.arange(k).repeat(d)]=A
     ...: 
1 loops, best of 3: 342 ms per loop

In [294]: %%timeit
     ...: A_zeroappend = np.zeros((k,(k+1)*d))
     ...: A_zeroappend[:,:d] = A.reshape(-1,d)
     ...: out = A_zeroappend.ravel()[:k*k*d].reshape(-1,k*d).T
     ...: 
100 loops, best of 3: 3.07 ms per loop

似乎提议的方法快得惊人！

【讨论】：

【解决方案2】：

这重现了您的示例。可以推广到其他k和d

In [12]: a=np.arange(6)    
In [13]: b=np.zeros((6,3))
In [14]: b[np.arange(6),np.arange(3).repeat(2)]=a

In [15]: b
Out[15]: 
array([[ 0.,  0.,  0.],
       [ 1.,  0.,  0.],
       [ 0.,  2.,  0.],
       [ 0.,  3.,  0.],
       [ 0.,  0.,  4.],
       [ 0.,  0.,  5.]])

键是重复必要次数的列索引

In [16]: np.arange(3).repeat(2)
Out[16]: array([0, 0, 1, 1, 2, 2])

【讨论】：