Question

我有一个numpy向量（1-D数组）或标量列表（即只是数字）。所有的载体都有相同的长度，但我不知道那是什么。我需要vstack所有元素来创建一个矩阵（2-D数组），使得标量被视为在每个位置具有标量的向量。

示例是最佳描述：

案例1：

>>> np.vstack([np.array([1, 2, 3]), np.array([3, 2, 1])])
array([[1, 2, 3],
       [3, 2, 1]])

案例2：

>>> np.vstack([1, 2])
array([[1],
       [2]])

案例3：

>>> np.vstack([np.array([1, 2, 3]), 0, np.array([3, 2, 1])])
np.array([[1, 2, 3],
          [0, 0, 0],
          [3, 2, 1]])

案例1和案例2开箱即用。但是，在情况3中，它并不像vstack需要所有元素都是相同长度的数组。

是否有一些很好的方法（最好是单线）实现这个目标？

Answer 1

您可以create broadcast object，并在其上致电np.column_stack：

In [175]: np.column_stack(np.broadcast([1, 2, 3], 0, [3, 2, 1]))
Out[175]: 
array([[1, 2, 3],
       [0, 0, 0],
       [3, 2, 1]])

或者，您可以向NumPy询问literally broadcast项目为兼容形状的数组：

In [158]: np.broadcast_arrays([1, 2, 3], [3, 2, 1], 0)
Out[158]: [array([1, 2, 3]), array([3, 2, 1]), array([0, 0, 0])]

然后在其上致电vstack或row_stack：

In [176]: np.row_stack(np.broadcast_arrays([1, 2, 3], 0, [3, 2, 1]))
Out[176]: 
array([[1, 2, 3],
       [0, 0, 0],
       [3, 2, 1]])

在这两个选项中（使用np.broadcast或np.broadcast_arrays）， np.broadcast更快，因为您实际上并不需要实例化广播的子阵列。

np.broadcast的一个限制是它最多可以接受32 参数。在这种情况下，请使用np.broadcast_arrays。

Answer 2

这里的问题是填补可读的python世界和高效的numpy世界之间的空白。

实验上，对于这项任务来说，python通常更好地为numpy做好准备。使用l=[ randint(10) if n%2 else randint(0,10,100) for n in range(32)]：

In [11]: %timeit array([x if type(x) is ndarray else [x]*100 for x in l])
1000 loops, best of 3: 655 µs per loop

In [12]: %timeit column_stack(broadcast(*l))
100 loops, best of 3: 3.77 ms per loop

此外，广播仅限于32个元素。

Answer 3

不是一个班轮，但你可以用标量填充一个空数组。

>>> a = np.empty(4, dtype=int )
>>> a.fill(2)
>>> print(a)
[2 2 2 2]

如何在numpy中堆叠数组和标量？

3 个答案: