Question

我正在尝试制作numpy.array其他numpy.array's进行蒙特卡罗模拟。我想取一个数组的元素（另一个1d数组）并在其上执行一些函数，它返回该数组的一个子部分，然后重新赋值。 最初所有数组的长度都相同，这似乎会导致问题。

我想：例如

c1 = np.array([np.array(xi) for xi in [[1,2],[1],[1,3]]])
c1[2] = np.array([5])

工作得很好：

array([array([1, 2]), array([1]), array([5])], dtype=object)

当我进行变换时，我得到相同类型的结构，这使得所有子数组的长度相同。

c2 = np.array([np.array(xi) for xi in [[1,2],[1],[1,3]]])
c2[1] = np.array([4,5])

给

array([array([1, 2]), array([4, 5]), array([1, 3])], dtype=object).

取而代之的是：例如

当我开始所有数组的长度相同时，它们会从np.arrays转换为lists。

c3 = np.array([np.array(xi) for xi in [[1,2],[1,2],[1,4]]])

给出了

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

现在，如果我尝试调整其中一个列表的长度

c3[1] = np.array([5])

我收到广播

array([[1, 2], [5, 5], [1, 4]])

而我想要

array([array([1, 2]), array([5]), array([1, 4])])

效果问题：

这完全适用于蒙特卡罗模拟，通常我希望处理一个大约10,000个子阵列的阵列，其中每个子阵列是一个大约1＆＃39,000个元素的数组（浮点数））。我一直在使用numpy，因为它的随机数生成非常快，并且它对矢量化函数有很好的性能，特别是我想在这些函数上最终执行某种累积求和（np.cumsum），还有一些其他更深奥的功能。我能够用列表做这种事情，但它花了大约20倍的时间，并且我希望尽可能地进行优化。

很多谢谢。

Answer 1

numpy不允许你更改np.arrays的np.arrays的形状：

>>> c3 = np.array([np.array(xi) for xi in [[1,2],[1,2],[1,4]]])
>>> c4 = np.array([c3[:1],np.array([5]), c3[2:]])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: could not broadcast input array from shape (2) into shape (1)

您可以使用dtype=np.ndarry np.empty：

>>> ourList =  [[1,2],[1,2],[1,4]]
>>> c3 = np.empty(len(ourList), dtype=np.ndarray)
>>> for i in xrange(len(ourList)):
>>>     c3[i] = np.array(outList[i])
>>> c3
array([array([1, 2]), array([1, 2]), array([1, 4])], dtype=object)
>>> c3[1] = np.array([5])
>>> c3
array([array([1, 2]), array([5]), array([1, 4])], dtype=object)

这是你在找什么？

您可能只想设置一个零或一些巨大的负数/正数，这些数字不会影响您的模拟：

>>> c3 = np.array([np.array(xi) for xi in [[1,2],[1,2],[1,4]]])
>>> c3[1] = np.array([5])
>>> c3
array([[1, 2],
       [5, 5],
       [1, 4]])
>>> c3[1][1] = -9999999
>>> c3
array([[       1,        2],
       [       5, -9999999],
       [       1,        4]])

Numpy - 将np.arrays自动隐式转换为列表

1 个答案: