假设a = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6]
和s = [3, 3, 9, 3, 6, 3]
。我正在寻找以a[i]
完全重复s[i]
次的最佳方式,然后以b = [0.1, 0.1, 0.1, 0.2, 0.2, 0.2, 0.3, 0.3, 0.3, 0.3, ... ]
的形式展示一个展平数组。
我想尽快做到这一点,因为我必须多次这样做。我使用Python和numpy,数组定义为numpy.ndarray。我四处搜索了解repeat
,tile
和column_stack
,可以很好地重复每个元素n
次,但我想重复不同的时间。
一种方法是:
a = hsplit(a, 6)
for i in range(len(a)):
a[i] = repeat(a[i], s[i])
a = a.flatten()
我想知道是否有更好的方法来做到这一点。
答案 0 :(得分:10)
这正是numpy.repeat
的作用:
>>> a = np.array([0.1, 0.2, 0.3, 0.4, 0.5, 0.6])
>>> s = np.array([3, 3, 9, 3, 6, 3])
>>> np.repeat(a, s)
array([ 0.1, 0.1, 0.1, 0.2, 0.2, 0.2, 0.3, 0.3, 0.3, 0.3, 0.3,
0.3, 0.3, 0.3, 0.3, 0.4, 0.4, 0.4, 0.5, 0.5, 0.5, 0.5,
0.5, 0.5, 0.6, 0.6, 0.6])
在纯Python中,您可以执行以下操作:
>>> from itertools import repeat, chain, imap
>>> list(chain.from_iterable(imap(repeat, a, s)))
[0.1, 0.1, 0.1, 0.2, 0.2, 0.2, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.3, 0.4, 0.4, 0.4, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.6, 0.6, 0.6]
但当然它会比NumPy等价物慢:
>>> s = [3, 3, 9, 3, 6, 3]*1000
>>> a = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6]*1000
>>> %timeit list(chain.from_iterable(imap(repeat, a, s)))
1000 loops, best of 3: 1.21 ms per loop
>>> %timeit np.repeat(a_a, s_a) #a_a and s_a are NumPy arrays of same size as a and b
10000 loops, best of 3: 202 µs per loop
答案 1 :(得分:0)
这里是仅使用(嵌套)列表推导的单行:
[item for z in [[x]*y for (x,y) in zip(a, s)] for item in z]