Question

我有一些数组，我希望使用add添加到单个数组中，我知道可以简单地这样做：

a = numpy.array([1,2,3])
b = numpy.array9[4,5,6])
sum = a + b
print(sum)

[5,7,9]

但是，我不能像在这个简单的例子中那样硬编码，因为我将使用不同数量的输入多次运行我的脚本，因此每次都会有不同数量的数组。有时，我可能有a和b，但有时我可能有a，c和d但不是b等。

使用循环我因此将我所拥有的数组附加到列表中，这样我最终得到的结果如下：

newlist = [array([1,2,3,...5,4,3]), 
          array([5,7,2,...4,6,7]),
          array([3,6,2,...4,5,9])]

在'newlist'中从数组中获取单个数组的最pythonic方法是在其中添加数组，这样（来自newlist）：

sum = [8,15,7,...14,15,19]

阵列的形状都相同。

Answer 1

坚持使用Numpy数组并使用其sum()方法：

>>> arr = np.array([[1,2,3,5,4,3], 
          [5,7,2,4,6,7],
          [3,6,2,4,5,9]])
>>> arr.sum(axis=0)
array([ 9, 15,  7, 13, 15, 19])

当然你也可以用Python列表来做，但它会很慢：

>>> lst = [[1,2,3,5,4,3], 
          [5,7,2,4,6,7],
          [3,6,2,4,5,9]]
>>> map(sum, zip(*lst))
[9, 15, 7, 13, 15, 19]

Answer 2

无需从预先存在的1D阵列创建2D阵列。它肯定不会比将它们加在一起更快，例如将reduce与np.add一起使用：

In [14]: a = [np.random.rand(10) for _ in range(10)]

In [15]: %timeit np.array(a).sum(axis=0)
100000 loops, best of 3: 10.7 us per loop

In [16]: %timeit reduce(np.add, a)
100000 loops, best of 3: 5.24 us per loop

对于较大的阵列，它甚至不太有利：

In [17]: a = [np.random.rand(1000) for _ in range(1000)]

In [18]: %timeit np.array(a).sum(axis=0)
100 loops, best of 3: 6.26 ms per loop

In [19]: %timeit reduce(np.add, a)
100 loops, best of 3: 2.43 ms per loop

当然：

In [20]: np.allclose(np.array(a).sum(axis=0), reduce(np.add, a))
Out[20]: True

在python中添加多个数组

2 个答案: