Question

有没有一种方法可以在numpy中定义一个矩阵（比如 m ），其中包含不同长度的行，但 m 保持二维（iemndim = 2））？

例如，如果您定义 m = numpy.array（[[1,2,3]，[4,5]]），那么 m.ndim = 1.我明白为什么会发生这种情况，但我很感兴趣，如果有任何方法可以将numpy视为以二维方式查看 m 。一个想法是使用虚拟值填充，以便行变得大小相同，但是我有很多这样的矩阵，它会占用太多空间。我真正需要 m 成为2D的原因是我正在使用Theano，并且将给出 m 值的张量期望2D值。

Answer 1

我将在此提供有关Theano的新信息。我们有一个新的TypedList（）类型，它允许python列表包含所有具有相同类型的元素：如1d ndarray。除文档外，一切都已完成。

您可以使用它们执行的功能有限。但我们这样做是为了允许使用扫描循环键入列表。它尚未与扫描集成，但您可以像现在这样使用它：

import theano
import theano.typed_list

a = theano.typed_list.TypedListType(theano.tensor.fvector)()
s, _ = theano.scan(fn=lambda i, tl: tl[i].sum(),
                   non_sequences=[a],
                   sequences=[theano.tensor.arange(2, dtype='int64')])

f = theano.function([a], s)
f([[1, 2, 3], [4, 5]])

一个限制是扫描输出必须是ndarray，而不是类型列表。

Answer 2

不，这是不可能的。 NumPy数组在每对维度中都需要是矩形的。这是由于它们映射到内存缓冲区的方式，作为指针，itemsize，stride triple。

至于这个占用空间：np.array([[1,2,3], [4,5]])实际占用的空间比2×3数组多，因为它是一个包含两个Python列表指针的数组（即使元素转换为数组，内存也是如此）布局仍然效率低下。）

numpy中行长不同的矩阵

2 个答案: