Question

我使用以下代码创建数组的索引列表。但是，我希望索引以Fortran顺序运行，即内循环是更快变化的循环。有没有办法在python中实现这一点。目前，我得到的输出是C顺序。

np.transpose(np.nonzero(np.ones([32,30])))

输出：

array([[ 0,  0],
       [ 0,  1],
       [ 0,  2],
       ..., 
       [31, 27],
       [31, 28],
       [31, 29]])

但是，我需要以下列形式的ouptut：

array([[ 0,  0],
       [ 1,  0],
       [ 2,  0],
       ..., 
       [29, 29],
       [30, 29],
       [31, 29]])

Answer 1

您可以使用np.indices生成这些索引，然后进行转置并重塑这项工作 -

np.indices((32,30)).T.reshape(-1,2)

示例输出 -

In [36]: np.indices((32,30)).T.reshape(-1,2)
Out[36]: 
array([[ 0,  0],
       [ 1,  0],
       [ 2,  0],
       ..., 
       [29, 29],
       [30, 29],
       [31, 29]])

运行时测试 -

In [74]: points = [32,30]

# @218's soln
In [75]: %timeit np.transpose(np.nonzero(np.ones(points[::-1])))[:,::-1]
100000 loops, best of 3: 18.6 µs per loop

In [76]: %timeit np.indices((points)).T.reshape(-1,2)
100000 loops, best of 3: 16.1 µs per loop

In [77]: points = [320,300]

# @218's soln
In [78]: %timeit np.transpose(np.nonzero(np.ones(points[::-1])))[:,::-1]
100 loops, best of 3: 2.14 ms per loop

In [79]: %timeit np.indices((points)).T.reshape(-1,2)
1000 loops, best of 3: 1.26 ms per loop

进一步提升绩效

我们可以使用points翻转np.indices，然后使用np.column_stack创建最终的2列数组，进一步优化它。让我们来反对已经提出的问题进行验证。列出以下两种方法 -

def app1(points):
    return np.indices((points)).T.reshape(-1,2)

def app2(points):
    R,C = np.indices((points[::-1]))
    return np.column_stack((C.ravel(), R.ravel()))

计时 -

In [146]: points = [32,30]

In [147]: np.allclose(app1(points), app2(points))
Out[147]: True

In [148]: %timeit app1(points)
100000 loops, best of 3: 14.8 µs per loop

In [149]: %timeit app2(points)
100000 loops, best of 3: 17.4 µs per loop

In [150]: points = [320,300]

In [151]: %timeit app1(points)
1000 loops, best of 3: 1.1 ms per loop

In [152]: %timeit app2(points)
1000 loops, best of 3: 822 µs per loop

所以，对于更大的形状，这个更好。

Answer 2

一般解决方案（适用于更高维度指数，例如3D，4D）等似乎与Nils Werner的评论中所建议的一样：

this.state.roundshistories

输出：

points = [32,30]
np.transpose(np.nonzero(np.ones(points[::-1])))[:,::-1]

Answer 3

这就是你想要的吗？

a = np.transpose(np.nonzero(np.ones([32,30])))  
a.reshape(32,30,2).transpose(1,0,2).reshape(-1,2)
Out[2197]: 
array([[ 0,  0],
       [ 1,  0],
       [ 2,  0],
       ..., 
       [29, 29],
       [30, 29],
       [31, 29]], dtype=int64)

Numpy数组索引顺序

3 个答案: