Question

我需要生成两个数组列表：每个列表将包含一维数组，但是每个一维数组的长度可能不同。第一个列表将包含一些有意义的值。第二个列表的形状必须完全相同，但只能包含一个。

生成第一个数组的代码：

myarray=[]
rowcount=3
elements_per_row=[2,3,5]
for i in range (0,rowcount):
    elements=elements_per_row[i]
    temparray=np.random.randn(elements)
    myarray.append(temparray)

上面代码的输出将是一个数组列表（即3个具有2,3,5个元素的数组，用随机数填充）。

我有两个问题：

是否有其他更优雅/矢量化/计算更快的方式来生成第一个列表（数组数组也可以）？
生成一个形状完全相同但填充了一个数组的列表：

我确实了解最直接的方法：只需在开头添加一个数组，然后将其填充为np.ones。 “ Bruteforce”方法将是：

myarray=[]
arrayofones=[]
rowcount=3
elements_per_row=[2,3,5]
for i in range (0,rowcount):
    elements=elements_per_row[i]

    #generating meaningful values
    temparray=np.random.randn(elements)
    myarray.append(temparray)

    # generating ones
    temparray=np.ones(elements)
    arrayofones.append(temparray)

但是，如果给定myarray作为输入，而我仍然需要获取一个由1组成的数组的列表，会有什么更好的方法？

Answer 1

对于第一次创建数组，您可以将代码简化为：

import numpy as np

elements_per_row = [2, 3, 5]
myarray = [np.random.randn(elements) for elements in elements_per_row]

要创建形状相同的数组，只需执行以下操作：

arrayofones = [np.ones_like(array) for array in myarray]

原则上，没有更多的矢量化方法可以执行此操作，因为NumPy数组不能具有大小不同的切片。最接近的事情可能是使用masked array：

import numpy as np

np.random.seed(100)
elements_per_row = np.array([2, 3, 5])
max_elements = elements_per_row.max()
data = np.random.randn(len(elements_per_row), max_elements)
mask = np.arange(max_elements) >= elements_per_row[:, np.newaxis]
myarray = np.ma.array(data, mask=mask)
print(myarray)
# [[-1.7497654730546974 0.34268040332750216 -- -- --]
#  [0.5142188413943821 0.22117966922140045 -1.0700433305682933 -- --]
#  [-0.4580269855026243 0.43516348812289213 -0.5835950503226648
#   0.816847071685779 0.672720805709661]]
arrayofones = np.ones_like(myarray)
print(arrayofones)
# [[1.0 1.0 -- -- --]
#  [1.0 1.0 1.0 -- --]
#  [1.0 1.0 1.0 1.0 1.0]]

根据您的用例，使用带掩码的数组可能会使事情变得更容易或更麻烦。

Answer 2

您可以使用列表推导：

您的代码：

import numpy as np

myarray=[]
arrayofones=[]
rowcount=3
elements_per_row=[2,3,5]
for i in range (0,rowcount):
    elements=elements_per_row[i]
    #generating meaningfull values
    temparray=np.random.randn(elements)
    myarray.append(temparray)
    # generating ones
    temparray=np.ones(elements)
    arrayofones.append(temparray)

Execution time: 40 µs ± 2.11 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

列表理解（您可以输入myarray作为输入）：

elements_per_row=[2,3,5]
myarray = [np.random.randn(elements) for elements in elements_per_row]
arrayofones = [np.ones_like(a) for a in myarray]

Execution time: 29.1 µs ± 492 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

替换numpy数组列表中的值

2 个答案: