Question

我试图以递归方式定义N维的numpy数组。经过几个小时的研究，我发现了一些可行的方法（np.append和np.concatenate），但是这些方法都没有给我所需的输出。我也得到了： [-0.6778734 -0.73517866 -0.73517866 0.6778734 ]（1-d数组）或 [array([-0.6778734 , -0.73517866]), array([-0.73517866, 0.6778734 ])]（数组列表）

我的输入：

[(1.2840277121727839, array([-0.6778734, -0.73517866])), 
    (0.049083398938327472, array([-0.73517866, 0.6778734 ]))]

期望的输出：

array([-0.6778734, -0.73517866], [-0.73517866, 0.6778734])

是否有可能从数组创建一个numpy数组，因为将它们转换为列表并返回到数组似乎计算效率低下？

提前致谢！

Answer 1

您的输入是元组列表，每个元组由一个数字和一个数组组成。出于某种原因，你想丢掉数字，只是将数组合并成一个更大的数组 - 是吗？

In [1067]: x=[(1.2840277121727839, np.array([-0.6778734, -0.73517866])), 
    (0.049083398938327472, np.array([-0.73517866, 0.6778734 ]))]

In [1068]: x
Out[1068]: 
[(1.2840277121727839, array([-0.6778734 , -0.73517866])),
 (0.04908339893832747, array([-0.73517866,  0.6778734 ]))]

列表推导可以很好地为元组提取所需的元素：

In [1069]: [y[1] for y in x]
Out[1069]: [array([-0.6778734 , -0.73517866]), array([-0.73517866,  0.6778734 ])]

和vstack非常适合将数组合并为更大的数组。

In [1070]: np.vstack([y[1] for y in x])
Out[1070]: 
array([[-0.6778734 , -0.73517866],
       [-0.73517866,  0.6778734 ]])

vstack只是concatenate，增加了一步，确保输入为2d。

np.array([y[1] for y in x])也可以，因为您要添加维度。

我假设array([-0.6778734, -0.73517866], [-0.73517866, 0.6778734])有拼写错误 - 它缺少一组[]。 np.array的第二个参数是dtype，而不是另一个列表。

请注意，np.array和np.concatentate都会列出一个列表。它可以是列表列表或数组列表。它没有太大的区别。而在这个阶段不要担心计算效率。每次组合来自2个或更多阵列的数据时，都会进行复制。数组具有固定的大小，如果不制作新副本，则无法“增长”。

In [1074]: np.concatenate([y[1] for y in x]).reshape(2,2)
Out[1074]: 
array([[-0.6778734 , -0.73517866],
     [-0.73517866,  0.6778734 ]])

列表实际上是1d，因此np.concatenate将它们连接到该维度上，从而生成4个元素的1d数组。 reshape纠正了这一点。 vstack使它们(1,2)并在第一维上连接。

在新维度上连接数组的另一个表达式：

np.concatenate([y[1][None,...] for y in x], axis=0)

[None,...]在开始时添加了一个新维度。

Answer 2

试试这个：

import numpy as np

a = np.array([1, 2])
b = np.array([3, 4])
print(repr(np.vstack((a, b))))

给出：

array([[1, 2],
       [3, 4]])

Answer 3

您可以在表格

的列表input_data下形成所需的2D数组

input_data = [(1.2840277121727839, np.array([-0.6778734, -0.73517866])), 
              (0.049083398938327472, np.array([-0.73517866, 0.6778734 ]))]

经由

nparr = np.array(list(row[1] for row in input_data))

递归地定义N维numpy数组

3 个答案: