Numpy - np.arrays 到列表的自动隐式转换

Question

我正在尝试制作其他 numpy.array's 的 numpy.array，用于蒙特卡洛模拟。我想获取数组的一个元素（另一个 1d 数组）并对其执行一些函数，该函数返回该数组的一个子部分，然后重新分配它。 原来所有数组的长度都相同，这似乎是导致问题的原因。

我想做：例如

c1 = np.array([np.array(xi) for xi in [[1,2],[1],[1,3]]])
c1[2] = np.array([5])

效果很好：

array([array([1, 2]), array([1]), array([5])], dtype=object)

当我进行使所有子数组保持相同长度的变换时，我得到了相同类型的结构。

c2 = np.array([np.array(xi) for xi in [[1,2],[1],[1,3]]])
c2[1] = np.array([4,5])

给予

array([array([1, 2]), array([4, 5]), array([1, 3])], dtype=object).

反而会发生：例如

当我启动所有长度相同的数组时，它们会从np.arrays 转换为lists。

c3 = np.array([np.array(xi) for xi in [[1,2],[1,2],[1,4]]])

给了

array([[1, 2], [1, 2], [1, 4]]).

现在如果我尝试调整其中一个列表的长度

c3[1] = np.array([5])

我开始直播

array([[1, 2], [5, 5], [1, 4]])

当我想要的时候

array([array([1, 2]), array([5]), array([1, 4])])

性能问题：

这都是为了蒙特卡洛模拟，通常我希望处理一个包含大约 10000 个子数组的数组，其中每个子数组是一个包含大约 1000 个元素（浮点数）的数组。我一直在使用 numpy，因为它的随机数生成速度非常快，并且它对于矢量化函数具有出色的性能，特别是我想最终对这些函数（np.cumsum）和其他一些更深奥的函数执行某种累积和。我可以用列表来做这种事情，但它花了大约 20 倍的时间，并且我希望尽可能地进行优化。

非常感谢。

Answer 1

numpy 不允许你改变 np.arrays 的形状 np.arrays:

>>> c3 = np.array([np.array(xi) for xi in [[1,2],[1,2],[1,4]]])
>>> c4 = np.array([c3[:1],np.array([5]), c3[2:]])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: could not broadcast input array from shape (2) into shape (1)

你可以用dtype=np.ndarry代替np.empty：

>>> ourList =  [[1,2],[1,2],[1,4]]
>>> c3 = np.empty(len(ourList), dtype=np.ndarray)
>>> for i in xrange(len(ourList)):
>>>     c3[i] = np.array(outList[i])
>>> c3
array([array([1, 2]), array([1, 2]), array([1, 4])], dtype=object)
>>> c3[1] = np.array([5])
>>> c3
array([array([1, 2]), array([5]), array([1, 4])], dtype=object)

这是你要找的吗？

您可能只想输入一个零或一些不会影响模拟的巨大负数/正数：

>>> c3 = np.array([np.array(xi) for xi in [[1,2],[1,2],[1,4]]])
>>> c3[1] = np.array([5])
>>> c3
array([[1, 2],
       [5, 5],
       [1, 4]])
>>> c3[1][1] = -9999999
>>> c3
array([[       1,        2],
       [       5, -9999999],
       [       1,        4]])