Question

给定一个numpy数组＆＃39; x＆＃39;和一个跳跃大小的N＆＃39;我必须创建一个函数，它将返回一个numpy.ndarray，其值为＆＃39; x＆＃39;例如，如果x = [0,1,2,3,4,5,6,7,8,9]且N = 2，则该函数将返回输出= [0,2,4] ，6,8]。到目前为止，我已经想到了以下内容：

def hopSamples(x,N)
    i = 0
    n = len(x)
    output = numpy.ndarray([])
    while i<n:
        output.append(x[i])
        i = i+N
    return output

但它会出错。我该怎么办呢？我刚刚开始使用python，所以我确信会有很多错误，所以非常感谢任何帮助！

Answer 1

您可以使用切片：

In [14]: arr = np.arange(0, 10)

In [15]: arr
Out[15]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [16]: arr[::2]
Out[16]: array([0, 2, 4, 6, 8])

因此，您的功能将如下所示：

def hopSamples1(x, N):
    return x[::N]

如果您坚持事先声明一个空数组并使用循环填充它，您可以稍微更改一下您的函数以执行以下操作之一。

您可以初始化一个空数组，并在每次循环迭代时将其扩展为另一个单元格。请注意，每次都会创建并返回一个新数组。

def hopSamples2(x, N):
    i = 0
    n = len(x)
    output = np.empty(shape = 0, dtype = x.dtype)
    while i < n:
        output = np.append(output, x[i])
        i += N
    return output

另一种实现方式是预先创建整个数组，但将值逐个设置到其单元格中。

def hopSamples3(x, N):
    i = 0
    n = len(x)
    m = n / N
    output = np.ndarray(shape = m, dtype = x.dtype)
    while i < m:
        output[i] = x[i * N]
        i += 1
    return output

一个简单的基准测试表明，使用切片是最快的方法，而逐个扩展数组是最慢的：

In [146]: %time hopSamples1(arr, 2)
CPU times: user 21 µs, sys: 3 µs, total: 24 µs
Wall time: 28.8 µs
Out[146]: array([0, 2, 4, 6, 8])

In [147]: %time hopSamples2(arr, 2)
CPU times: user 241 µs, sys: 29 µs, total: 270 µs
Wall time: 230 µs
Out[147]: array([0, 2, 4, 6, 8])

In [148]: %time hopSamples3(arr, 2)
CPU times: user 35 µs, sys: 5 µs, total: 40 µs
Wall time: 45.8 µs
Out[148]: array([0, 2, 4, 6, 8])

Answer 2

import numpy as np
a = np.array([0,1,2,3,4,5,6,7,8,9,10])
print "Please input a step number: "
N = int(raw_input())
b = a[::N]
print "b is: ", b

Answer 3

使用numpy切片，基本上是start:stop:step：

In [20]: xs
Out[20]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [21]: xs[::2]
Out[21]: array([0, 2, 4, 6, 8])

声明空的numpy.ndarray并填写它

3 个答案: