Question

有没有办法......

>>> x = np.array([0, 8, 10, 15, 50]).reshape((-1, 1)); ncols = 5

......然后把它变成......

array([[ 0,  1,  2,  3,  4],
       [ 8,  9, 10, 11, 12],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [50, 51, 52, 53, 54]])

我能够用np.apply_along_axis ...

来做到这一点

>>> def myFunc(a, ncols):
        return np.arange(a, (a+ncols))

>>> np.apply_along_axis(myFunc, axis=1, arr=x)

和for循环......

>>> X = np.zeros((x.size,ncols))
>>> for a,b in izip(xrange(x.size),x):
        X[a] = myFunc(b, ncols)

但它们太慢了。有更快的方法吗？

提前致谢。

Answer 1

以下将会这样做：

In [9]: x = np.array([0, 8, 10, 15, 50]).reshape((-1, 1))

In [10]: ncols = 5

In [11]: x + np.arange(ncols)
Out[11]: 
array([[ 0,  1,  2,  3,  4],
       [ 8,  9, 10, 11, 12],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [50, 51, 52, 53, 54]])

它向列向量添加行向量，并依赖broadcasting来完成其余操作。

这应该和任何事情一样快：产生1000x1000矩阵需要大约1.6ms：

In [17]: %timeit np.arange(1000).reshape((-1, 1)) + np.arange(1000)
1000 loops, best of 3: 1.61 ms per loop

Numpy：`arange`s的数组

1 个答案: