Question

我想从numpy数组中的特定轴上的当前元素中减去下一个元素。但是，我知道如何使用很多循环来做到这一点。我的问题是：如何以最有效的方式做到这一点？也许使用numpy？

下面的我的Python代码：

import numpy as np

np.random.seed(0)

myarr = np.random.rand(20, 7, 11, 151, 161)

newarr = np.full((20, 6, 11, 151, 161), np.nan)

for iyr in range(20):
    for iwk in range(6):
        for imb in range(11):
            for ilat in range(151):
                for ilon in range(161):
                     newarr[iyr, iwk, imb, ilat, ilon] = myarr[iyr, iwk + 1, imb, ilat, ilon] - myarr[iyr, iwk, imb, ilat, ilon]

Answer 1

有一些很好的方法可以做到这一点。如果您不关心最后一个元素是NaN，则可以使用np.diff

xml.tag!(brand) do

end

结果将具有形状myarr = np.random.rand(20, 7, 11, 151, 161) newarr = np.diff(myarr, axis=1)。

如果您真的想保留这些NaN，我建议您使用np.empty_like和np.subtract。用np.full分配有点浪费，因为您肯定要设置几乎所有元素。您唯一的NaN位于第二维的最后一个索引中，您可以自己廉价地进行初始化：

(20, 6, 11, 151, 161)

由于myarr = np.random.rand(20, 7, 11, 151, 161) newarr = np.empty_like(myarr) # Don't repeat shape newarr[:, -1, ...] = np.nan np.subtract(myarr[:, 1:, ...], myarr[:, :-1, ...], out=newarr[:, :-1, ...])，myarr[:, 1:, ...]和myarr[:, :-1, ...]是视图，因此该操作几乎完全避免了临时数组和不必要的初始化。

Answer 2

数字版本：

myarr = np.random.rand(20, 7, 11, 151, 161)
newarr_np = myarr[:, 1:,] - myarr[:, :-1]

您编辑的代码：

from itertools import product

newarr = np.full((20, 6, 11, 151, 161), np.nan)

for iyr, iwk, imb, ilat, ilon in product(range(20), range(6), range(11), range(151), range(161)):
    newarr[iyr, iwk, imb, ilat, ilon] = \
        myarr[iyr, iwk + 1, imb, ilat, ilon] - \
        myarr[iyr, iwk    , imb, ilat, ilon]

平等测试

np.all(newarr_np == newarr)
> True

Answer 3

只需使用数组切片来获得较小的数组，在数组上添加0行/列以将其扩展为相同大小，然后减去。像这样：

>>> x=np.random.rand(10)
>>> x #this is our original array
array([0.49662379, 0.18424862, 0.43346481, 0.57377969, 0.88027509,
       0.9820584 , 0.63669062, 0.27981557, 0.70115255, 0.47660883])
>>> x[1:] #this is the one we want to subtract, but to do that, you need to pad it with zeros
array([0.18424862, 0.43346481, 0.57377969, 0.88027509, 0.9820584 ,
       0.63669062, 0.27981557, 0.70115255, 0.47660883])
>>> ext=np.zeros(1) # so we take a few zeros
>>> ext
array([0.])
>>> np.concatenate((x[1:],ext)) # pad it
array([0.18424862, 0.43346481, 0.57377969, 0.88027509, 0.9820584 ,
       0.63669062, 0.27981557, 0.70115255, 0.47660883, 0.        ])
>>> x-np.concatenate((x[1:],ext)) # and subtract
array([ 0.31237516, -0.24921618, -0.14031489, -0.3064954 , -0.10178331,
        0.34536778,  0.35687505, -0.42133698,  0.22454372,  0.47660883])

当然可以有更简单的解决方案。您可以选择不同的尺寸，但是10个长的一维数组可以很好地证明这一点。

Answer 4

您可以使用:选择整个尺寸。

for iwk in range(6):
    newarr[:,iwk,:,:,:] = myarr[:,iwk+1,:,:,:] - myarr[:,iwk,:,:,:]

Numpy下一个元素减去上一个

4 个答案: