Question

简短版 我想操作一个numpy数组（测试，请参阅第一个代码片段），以便重新排列（evenodd_single_column，请参阅第二个代码段）。我写了一个for循环，但由于我正在使用半大数据，如果有更好的方法可以实现这一点，我会很高兴。

长版我正在编写一个脚本，在某一点上我应该在numpy数组上进行以下操作：

test = np.arange(24).reshape(8,3)
test
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11],
       [12, 13, 14],
       [15, 16, 17],
       [18, 19, 20],
       [21, 22, 23]])

需要将

转换为一个数组，该数组从所有列（实验，此处为3）获取前x（时间点，在此示例中为2），并将其放入数组中。然后它转到所有列的下两个值并附加数组，直到所有迭代（y）结束。最后看起来应该是这样的：

>>> evenodd_single_column 
array([[ 0,  3],
       [ 1,  4],
       [ 2,  5],
       [12, 15],
       [13, 16],
       [14, 17],
       [ 6,  9],
       [ 7, 10],
       [ 8, 11],
       [18, 21],
       [19, 22],
       [20, 23]])

为了达到这个目的，我不得不写一个for循环：

all_odd = []
all_even = []

x = 2
y = 4

test = np.arange(24).reshape(8,3)
counter = 0
for i in range(1, int(test.shape[0]/2)+1):
    time_window = i * x
    if math.modf(counter / 2)[0] == 0:
        for j in range(0, test.shape[1]):
            all_even.extend(test[time_window - x:time_window, j])
    else:
        for j in range(0,test.shape[1]):
            all_odd.extend(test[time_window - x:time_window, j])
    counter = counter + 1
even_single_column_test = np.asarray(all_even).reshape((int(y / 2 * test.shape[1]), x))
odd_single_column_test = np.asarray(all_odd).reshape((int(y / 2 * test.shape[1]), x))

evenodd_single_column = even_single_column_test
evenodd_single_column = np.append(evenodd_single_column, odd_single_column_test).reshape(int(odd_single_column_test.shape[0]*2), x)

我的问题：这可以通过一个优雅（更重要的是 - 更快）的numpy矩阵操作来完成吗？我不想绕过循环，制作列表然后再将它们转换为numpy数组。

我不是训练有素的程序员，如果解决方案显而易见，我会事先道歉！

谢谢！

Answer 1

您可以使用np.reshape和np.transpose -

的组合

test.reshape(2,2,2,3).transpose(1,0,3,2).reshape(-1,2)

示例运行 -

In [42]: test
Out[42]: 
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11],
       [12, 13, 14],
       [15, 16, 17],
       [18, 19, 20],
       [21, 22, 23]])

In [43]: test.reshape(2,2,2,3).transpose(1,0,3,2).reshape(-1,2)
Out[43]: 
array([[ 0,  3],
       [ 1,  4],
       [ 2,  5],
       [12, 15],
       [13, 16],
       [14, 17],
       [ 6,  9],
       [ 7, 10],
       [ 8, 11],
       [18, 21],
       [19, 22],
       [20, 23]])

操纵numpy数组

1 个答案: