我有一个numpy数组说
a = array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
我有一个相同大小的数组'复制',其中复制[i,j](> = 0)表示沿着该行重复[i] [j]的次数。显而易见,复制数组遵循np.sum(replication [i])对所有i具有相同值的不变量。 例如,如果
replication = array([[1, 2, 1],
[1, 1, 2],
[2, 1, 1]])
然后复制后的最后一个数组是:
new_a = array([[1, 2, 2, 3],
[4, 5, 6, 6],
[7, 7, 8, 9]])
目前,我这样做是为了创建new_a:
##allocate new_a
h = a.shape[0]
w = a.shape[1]
for row in range(h):
ll = [[a[row][j]]*replicate[row][j] for j in range(w)]
new_a[row] = np.array([item for sublist in ll for item in sublist])
然而,这似乎太慢了,因为它涉及使用列表。如果不使用python列表,我可以完全在numpy中完成预期吗?
答案 0 :(得分:3)
您可以展开replication
数组,然后使用a
的{{3}}方法:
import numpy as np
a = array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
replication = array([[1, 2, 1],
[1, 1, 2],
[2, 1, 1]])
new_a = a.repeat(replication.ravel()).reshape(a.shape[0], -1)
print(repr(new_a))
# array([[1, 2, 2, 3],
# [4, 5, 6, 6],
# [7, 7, 8, 9]])