Question

foo = np.array([1,2,3,4])

我有一个numpy数组foo，我想将其转换为ndarry或矩阵，类似于：

bar = np.array([[1,2,3,4],[2,3,4,1],[3,4,1,2],[4,1,2,3]])

有关如何有效执行此操作的任何建议，因为我的源数组foo的大小会有所不同，我需要进行数百万次转换。

Answer 1

您可以在循环中使用np.roll。

x = np.array([np.roll(foo, -x) for x in np.arange(foo.shape[0])])

print(x)
array([[1, 2, 3, 4],
       [2, 3, 4, 1],
       [3, 4, 1, 2],
       [4, 1, 2, 3]])

Answer 2

对于大规模的表演，我们可以在此处加入strides。诀窍是将原始数组与以倒数第二个元素结尾的切片数组连接起来，然后获取长度与原始数组长度相同的滑动窗口。

因此，实施将是 -

def strided_method(ar):
    a = np.concatenate(( ar, ar[:-1] ))
    L = len(ar)
    n = a.strides[0]
    return np.lib.stride_tricks.as_strided(a, (L,L), (n,n), writeable=False)

输出是只读的，并且连接数组的视图因此具有几乎与数组大小无关的恒定时间。这意味着一个非常有效的解决方案。如果您需要具有自己的存储空间的可写输出，请在那里复制，如稍后的时间所示。

示例运行 -

In [51]: foo = np.array([1,2,3,4])

In [52]: strided_method(foo)
Out[52]: 
array([[1, 2, 3, 4],
       [2, 3, 4, 1],
       [3, 4, 1, 2],
       [4, 1, 2, 3]])

运行时测试 -

In [53]: foo = np.random.randint(0,9,(1000))

# @cᴏʟᴅsᴘᴇᴇᴅ's loopy soln
In [54]: %timeit np.array([np.roll(foo, -x) for x in np.arange(foo.shape[0])])
100 loops, best of 3: 12.7 ms per loop

In [55]: %timeit strided_method(foo)
100000 loops, best of 3: 7.46 µs per loop

In [56]: %timeit strided_method(foo).copy()
1000 loops, best of 3: 454 µs per loop

Answer 3

这些矩阵称为Hankel矩阵。大多数平台已经提供了创建它们的特定例程。您也可以通过删除不必要的部分来实现自己，以提高速度。它是a pretty concise code

from scipy.linalg import hankel

A = hankel([1,2,3,4], [4,1,2,3])
A
array([[1, 2, 3, 4],
       [2, 3, 4, 1],
       [3, 4, 1, 2],
       [4, 1, 2, 3]])

它似乎比Divakar的解决方案慢〜2倍，速度惊人的快。

将numpy数组排列成ndarray或矩阵

3 个答案: