[英]How do I convert a 2D numpy array into a 1D numpy array of 1D numpy arrays?
[英]How can I iterate over an 1D array and build a 2D array in Numpy?
如果我有一个1D numpy.ndarray
b
和一个要向量化的Python function
f
,那么使用numpy.vectorize
函数非常简单:
c = numpy.vectorize(f)(a)
。
但是,如果f
返回一个1D numpy.ndarray
而不是一个标量,我该如何构建一个2D numpy.ndarray
? (也就是说,我希望从f
返回的每个1D numpy.ndarray
都成为新2D numpy.ndarray
。)
例:
def f(x):
return x * x
a = numpy.array([1,2,3])
c = numpy.vectorize(f)(a)
def f_1d(x):
return numpy.array([x, x])
a = numpy.ndarray([1,2,3])
d = ???(f_1d)(a)
在上面的示例中, c
将变为array([1, 4, 9])
。 应该是什么???
如果d
应该成为array([[1, 1], [2, 2], [3, 3]])
替换?
可以这样做:
def f_1d(x):
return (x,x)
d = numpy.column_stack(numpy.vectorize(f_1d)(a))
将输出:
array([[1, 1],
[2, 2],
[3, 3]])
def f(x):
return x * x
a = numpy.array([1,2,3])
b= numpy.vectorize(f)(a)
c = numpy.repeat(b.reshape( (-1,1) ),2, axis=1)
print c
输出:
[[1 1]
[4 4]
[9 9]]
您也可以直接设置array.shape元组。 如果您需要编写纯python,也许值得知道与使用map
实现vectorize
一样。 b= numpy.vectorize(f)(a)
将变为b=map(f,a)
使用这种方法,根本不需要拥有f_1d
,因为它似乎要做的只是重复的信息,最好由numpy.repeat
来完成。
另外,此版本速度更快,但这仅在处理大型阵列时才重要。
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.