Question

我们假设我有一个数组x = np.random.normal(size=(300, 300))，我希望使用(2, 2, 300, 300)创建一个大小为x的对角矩阵。我的第一个方法是做到

import numpy as np

x = np.random.normal(size=(300, 300))

array = np.array([
    [x, 0.],
    [0., x]
])

但是，这样做时，我会得到一个大小为(2, 2)的数组。是否有numpy函数将元素重铸为相同的大小？假设列表的所有数组都是相同的形状，并且所有其他元素都是floats。

修改我可以补充说，仅定义一个空数组并将对角线设置为x不是解决方案。

编辑2 这是一个样本

import numpy as np


x = np.random.normal(size=(3, 3))

array = np.zeros((2, 2, *x.shape))

array[0, 0] = array[1, 1] = x

print(array)

屈服

[[[[-1.57346701 -1.00813871 -0.72318135]
   [ 0.11852539  1.144298    1.38860739]
   [ 0.64571669  0.47474236  0.294049  ]]

  [[ 0.          0.          0.        ]
   [ 0.          0.          0.        ]
   [ 0.          0.          0.        ]]]


 [[[ 0.          0.          0.        ]
   [ 0.          0.          0.        ]
   [ 0.          0.          0.        ]]

  [[-1.57346701 -1.00813871 -0.72318135]
   [ 0.11852539  1.144298    1.38860739]
   [ 0.64571669  0.47474236  0.294049  ]]]]

Answer 1

对于长度为2的输出的前两个维度的情况，已发布的解决方案 - array[0, 0] = array[1, 1] = x会快速且可读。

我会尝试解决通用长度。

方法＃1：以下是masking的一种方法 -

m = 2 # length along first two axes of o/p
out = np.zeros((m,m) + x.shape)
out[np.eye(m,dtype=bool)] =  x

方法＃2：在前两个轴合并视图上使用赋值，从而避免创建任何蒙版并利用快速切片分配 -

out = np.zeros((m,m) + x.shape)
out.reshape((-1,) + x.shape)[::m+1] = x

通用模式案例

我们会利用np.broadcast_to来解决这种情况 -

def resizer(tup):
    shp = x.shape
    out_shp = (len(tup), -1) + shp
    list_arrs = [np.broadcast_to(j, shp) for i in tup for j in i]
    return np.asarray(list_arrs).reshape(out_shp)

示例运行 -

In [121]: x
Out[121]: 
array([[55, 58, 75],
       [78, 78, 20],
       [94, 32, 47]])

In [122]: array0 = [
     ...:     [x, 0, 1, 2],
     ...:     [1, 2, 0, x]
     ...: ]

In [123]: resizer(array0)
Out[123]: 
array([[[[55, 58, 75],
         [78, 78, 20],
         [94, 32, 47]],

        [[ 0,  0,  0],
         [ 0,  0,  0],
         [ 0,  0,  0]],

        [[ 1,  1,  1],
         [ 1,  1,  1],
         [ 1,  1,  1]],

        [[ 2,  2,  2],
         [ 2,  2,  2],
         [ 2,  2,  2]]],
        .....

        [[55, 58, 75],
         [78, 78, 20],
         [94, 32, 47]]]])

Answer 2

您可以通过以下方式关注您的第一个想法：

x = np.random.normal(size=(300, 300))
O = np.zeros_like(x)
r = np.array([[x,O],[O,x]])

In [153]: r.shape
Out[153]: (2, 2, 300, 300)

从混合浮点数和数组Python创建数组

2 个答案: