Question

我有两个长度相同的trival数组， tmp_reds 和 tmp_blues ：

npts = 4
tmp_reds = np.array(['red', 'red', 'red', 'red'])
tmp_blues = np.array(['blue', 'blue', 'blue', 'blue'])

我正在使用 np.repeat 来创建多重性：

red_occupations = [1, 0, 1, 2]
blue_occupations = [0, 2, 0, 1]

x = np.repeat(tmp_reds, red_occupations)
y = np.repeat(tmp_blues, blue_occupations)

print(x)
['red' 'red' 'red' 'red']

print(y)
['blue' 'blue' 'blue']

我想要的是以下 x 和 y 的组合：

desired_array = np.array(['red', 'blue', 'blue', 'red', 'red', 'red', 'blue'])

因此， desired_array 按以下方式定义：

（1）应用red_occupations的第一个元素的多重性

（2）应用blue_occupations的第一个元素的多重性

（3）应用red_occupations的第二个元素的多重性

（4）应用blue_occupations的第二个元素的多重性

...

（2 * npts-1）应用red_occupations的 npts 元素的多重性

（2 * npts）应用blue_occupations的 npts 元素的多重性

所以这似乎是对np.repeat正常使用的直接概括。通常，np.repeat完全如上所述，但只有一个数组。有没有人知道一些聪明的方法来使用多维数组，然后使用np.repeat来实现平局化或其他类似的技巧？

我总是可以在不使用numpy的情况下创建 desired_array ，使用简单的zipped for循环和连续列表追加。但是，实际问题有npts~1e7，速度很关键。

Answer 1

对于一般情况 -

# Two 1D color arrays
tmp1 = np.array(['red', 'red', 'red', 'green'])
tmp2 = np.array(['white', 'black', 'blue', 'blue'])

# Multiplicity arrays
color1_occupations = [1, 0, 1, 2]
color2_occupations = [0, 2, 0, 1]

# Stack those two color arrays and two multiplicity arrays separately
tmp12 = np.column_stack((tmp1,tmp2))
color_occupations = np.column_stack((color1_occupations,color2_occupations))

# Use np.repeat to get stacked multiplicities for stacked color arrays
out = np.repeat(tmp12,color_occupations.ravel())

给我们 -

In [180]: out
Out[180]: 
array(['red', 'black', 'black', 'red', 'green', 'green', 'blue'], 
      dtype='|S5')

在具有不同多重性但相同维度

1 个答案: