Question

因此对于矩阵，我们有像numpy.flatten（）

这样的方法

np.array([[1,2,3],[4,5,6],[7,8,9]]).flatten()

给出[1,2,3,4,5,6,7,8,9]

如果我想从np.array([[1,2,3],[4,5,6],7])到[1,2,3,4,5,6,7]怎么办？是否存在执行此类操作的现有功能？

Answer 1

对于不均匀的列表，数组是一个对象dtype，（和1d，所以flatten不会改变它）

In [96]: arr=np.array([[1,2,3],[4,5,6],7])
In [97]: arr
Out[97]: array([[1, 2, 3], [4, 5, 6], 7], dtype=object)
In [98]: arr.sum()
...
TypeError: can only concatenate list (not "int") to list

7元素给出了问题。如果我将其更改为列表：

In [99]: arr=np.array([[1,2,3],[4,5,6],[7]])
In [100]: arr.sum()
Out[100]: [1, 2, 3, 4, 5, 6, 7]

我在这里使用技巧。数组列表的元素和列表[1,2,3]+[4,5]的元素是连接的。

基本点是对象数组不是二维数组。从许多方面来说，它更像是列表清单。

链

最佳列表展平者为chain

In [104]: list(itertools.chain(*arr))
Out[104]: [1, 2, 3, 4, 5, 6, 7]

虽然它也会阻塞整数7版本。

连接和hstack

如果数组是列表列表（不是列表和标量的原始混合），则np.concatenate有效。它迭代对象，就像它是一个列表一样。

使用混合原始列表concatenate不起作用，但hstack执行

In [178]: arr=np.array([[1,2,3],[4,5,6],7])
In [179]: np.concatenate(arr)
...
ValueError: all the input arrays must have same number of dimensions
In [180]: np.hstack(arr)
Out[180]: array([1, 2, 3, 4, 5, 6, 7])

那是因为hstack首先遍历列表并确保所有元素都是atleast_1d。这种额外的迭代使其更加稳健，但代价是处理速度。

时间测试

In [170]: big1=arr.repeat(1000)
In [171]: timeit big1.sum()
10 loops, best of 3: 31.6 ms per loop
In [172]: timeit list(itertools.chain(*big1))
1000 loops, best of 3: 433 µs per loop
In [173]: timeit np.concatenate(big1)
100 loops, best of 3: 5.05 ms per loop

加倍大小

In [174]: big1=arr.repeat(2000)
In [175]: timeit big1.sum()
10 loops, best of 3: 128 ms per loop
In [176]: timeit list(itertools.chain(*big1))
1000 loops, best of 3: 803 µs per loop
In [177]: timeit np.concatenate(big1)
100 loops, best of 3: 9.93 ms per loop
In [182]: timeit np.hstack(big1)    # the extra iteration hurts hstack speed
10 loops, best of 3: 43.1 ms per loop

sum是二次大小

res=[]
for e in bigarr: 
   res += e

res随着e的数量而增长，因此每个迭代步骤都更加昂贵。

chain次最佳。

Answer 2

您可以使用yield：

编写自定义展平函数

def flatten(arr):
    for i in arr:
        try:
            yield from flatten(i)
        except TypeError:
            yield i

用法示例：

>>> myarr = np.array([[1,2,3],[4,5,6],7])
>>> newarr = list(flatten(myarr))
>>> newarr
[1, 2, 3, 4, 5, 6, 7]

Answer 3

您可以在此使用apply_along_axis

>>> arr = np.array([[1,2,3],[4,5,6],[7]])
>>> np.apply_along_axis(np.concatenate, 0, arr)
array([1, 2, 3, 4, 5, 6, 7])

作为奖励，这也不是列表数量的二次方。

展平列表和标量列表

3 个答案:

链

连接和hstack

时间测试