[英]Permutations of a numpy array into an ndarray or matrix
foo = np.array([1,2,3,4])
我有一个numpy数组foo
,我想转换成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]])
有关如何有效地执行此操作的任何建议,因为我的源数组foo
大小会有所不同,我需要进行数百万次的转换。
你可以在循环中使用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]])
为了大规模的表现,我们可以在这里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)
输出将是只读的,并且连接数组的视图因此几乎与数组大小无关地具有恒定时间。 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。
样品运行 -
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
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。 这是一个非常简洁的代码
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的解决方案慢了约2倍,而且速度惊人的快。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.