Question

假设我有一个数组（numpy数组）A = [[1, 2, 3], [0, 0, 0], [0, 0, 0]]，我想将零行操作到[2, 3, 1], [3, 1, 2]，所以最后一个数组是A = [[1, 2, 3], [2, 3, 1], [3, 1, 2]]

我可以使用for循环执行此操作，如下所示：

a = np.array([[1, 2, 3],[0, 0, 0],[0, 0, 0]])
for i in xrange(1,3):
    a[i]=np.concatenate([a[i-1][1:], a[i-1][:1]], axis=1)

转到上一行，连接[1：]和[：1]，将结果作为下一行。

我有很多这些循环，我想知道我是否可以摆脱for循环，所以我得到更多的速度（也许？）。有没有办法可以使用列表理解或地图来做到这一点？我的A数组不必是nxn，零行除了第一个，它可以只是A = [1, 2, 3, ..., n]如果有一种方法我可以创建使用A作为启动器的nx3数组并继续前一行并连接它的[m:]和[:m]。（任意m）

或者是的，也许for循环是进行此类操作的唯一/正确方法。我想知道是不是。

Answer 1

for循环是最简单的方法，列表理解或映射不会获得太多速度。但您可以使用roll而不是连接：

a = numpy.array([1, 2, 3])
a = numpy.vstack([numpy.roll(a, -i) for i in xrange(3)])

Answer 2

我建议使用python zip内置函数。你可以将数组连接到自身，然后你需要的只是挑选每3个跟随的元素！

>>> A=np.arange(1,4)
>>> B=np.concatenate((A,A))
>>> B
array([1, 2, 3, 1, 2, 3])
>>> np.array(zip(B,B[1:],B[2:])[:-1])
array([[1, 2, 3],
       [2, 3, 1],
       [3, 1, 2]])

您可以将此配方用于更长的阵列：

>>> A=np.arange(1,6)
>>> B=np.concatenate((A,A))
>>> np.array(zip(B,B[1:],B[2:])[:-1])
array([[1, 2, 3],
       [2, 3, 4],
       [3, 4, 5],
       [4, 5, 1],
       [5, 1, 2],
       [1, 2, 3],
       [2, 3, 4]])
>>>

Answer 3

这是一个避免Python循环的解决方案。你可以通过创建一个索引数组来获得所需的输出，你可以用它来索引你的原始数组：

# No extra indentation.
if (this_is_one_thing and
    that_is_another_thing):
    do_something()

# Add a comment, which will provide some distinction in editors
# supporting syntax highlighting.
if (this_is_one_thing and
    that_is_another_thing):
    # Since both conditions are true, we can frobnicate.
    do_something()

# Add some extra indentation on the conditional continuation line.
if (this_is_one_thing
        and that_is_another_thing):
    do_something()

这适用于任何In [40]: a = np.arange(1, 4) i = np.arange(len(a)) indexer = i - np.atleast_2d(i).T a[indexer] Out[40]: array([[1, 2, 3], [3, 1, 2], [2, 3, 1]])。 a数组是所需输出的大小，使用广播创建。在这种情况下，它看起来像

indexer

以下是与循环方法的一些时间比较，表明它的速度要快得多：

array([[ 0,  1, 2], 
       [-1,  0, 1], 
       [-2, -1, 0]])

这样做的另一个好处是，您可以重复使用In [69]: %%timeit a = np.arange(1, 11) i = np.arange(0, len(a), step_size) indexer = i - np.atleast_2d(i).T a[indexer] 10000 loops, best of 3: 14.7 µs per loop In [70]: %%timeit a = numpy.arange(1, 11) a = numpy.vstack([numpy.roll(a, -i) for i in xrange(len(a))]) 10000 loops, best of 3: 143 µs per loop In [71]: %%timeit a = np.arange(1, 101) i = np.arange(0, len(a), step_size) indexer = i - np.atleast_2d(i).T a[indexer] 10000 loops, best of 3: 80 µs per loop In [72]: %%timeit a = numpy.arange(1, 101) a = numpy.vstack([numpy.roll(a, -i) for i in xrange(len(a))]) 1000 loops, best of 3: 1.44 ms per loop以相同的方式操纵相同长度的其他数组。如果你真的想要你也可以把它写到磁盘上。对于任意步长indexer，您可以执行以下操作：

列表理解或map（）或for循环访问前一行来操作数组

3 个答案: