[英]repeat arange with numpy
我有一個帶整數值的數組。
a = [2,1,4,0,2]
我希望對a中的每個值應用arange函數,以便:
b = [0,1,0,0,1,2,3,1,2]
b "=" [arange(2),arange(1),arange(4),arange(0),arange(2)]
實際上我使用np.repeat函數根據數組a重復數組行,並且我希望有一個標記i來將每個重復值鏈接到原始值並且有一個標識號然后區分它們。
我嘗試使用np.vectorize,但沒有成功。
肯定有更多的numpythonic做事方式。 一種可能性可能是這樣的:
import numpy as np
from numpy.lib.stride_tricks import as_strided
def concatenated_ranges(ranges_list) :
ranges_list = np.array(ranges_list, copy=False)
base_range = np.arange(ranges_list.max())
base_range = as_strided(base_range,
shape=ranges_list.shape + base_range.shape,
strides=(0,) + base_range.strides)
return base_range[base_range < ranges_list[:, None]]
如果你只連接幾個范圍,那么E先生的純蟒蛇解決方案可能是你最好的選擇,但是如果連接的范圍都要少到一百個,那么這個星星的速度會明顯加快。 為了比較,我使用了從其他答案中提取的這兩個函數:
def junuxx(a) :
b = np.array([], dtype=np.uint8)
for x in a:
b = np.append(b, np.arange(x))
return b
def mr_e(a) :
return reduce(lambda x, y: x + range(y), a, [])
以下是一些時間安排:
In [2]: a = [2, 1, 4, 0 ,2] # the OP's original example
In [3]: concatenated_ranges(a) # show it works!
Out[3]: array([0, 1, 0, 0, 1, 2, 3, 0, 1])
In [4]: %timeit concatenated_ranges(a)
10000 loops, best of 3: 31.6 us per loop
In [5]: %timeit junuxx(a)
10000 loops, best of 3: 34 us per loop
In [6]: %timeit mr_e(a)
100000 loops, best of 3: 2.58 us per loop
In [7]: a = np.random.randint(1, 10, size=(10,))
In [8]: %timeit concatenated_ranges(a)
10000 loops, best of 3: 27.1 us per loop
In [9]: %timeit junuxx(a)
10000 loops, best of 3: 79.8 us per loop
In [10]: %timeit mr_e(a)
100000 loops, best of 3: 7.82 us per loop
In [11]: a = np.random.randint(1, 10, size=(100,))
In [12]: %timeit concatenated_ranges(a)
10000 loops, best of 3: 57.4 us per loop
In [13]: %timeit junuxx(a)
1000 loops, best of 3: 756 us per loop
In [14]: %timeit mr_e(a)
10000 loops, best of 3: 149 us per loop
In [15]: a = np.random.randint(1, 10, size=(1000,))
In [16]: %timeit concatenated_ranges(a)
1000 loops, best of 3: 358 us per loop
In [17]: %timeit junuxx(a)
100 loops, best of 3: 9.38 ms per loop
In [18]: %timeit mr_e(a)
100 loops, best of 3: 8.93 ms per loop
我的答案類似於Junuxx - 我不確定你給出的答案是你想要的答案
a = [2, 1, 4, 0 ,2]
reduce(lambda x, y: x+range(y), a, [])
給我
[0, 1, 0, 0, 1, 2, 3, 0, 1]
這確實你仿佛被描述,即aranges的級聯在所有的值a
。 雖然這意味着你給出的b
有一些錯誤:
>>> a = [2, 1, 4, 0, 2]
>>> b = np.array([], dtype=np.uint8)
>>>for x in a:
>>> b = np.append(b, np.arange(x))
>>> print b
array([0,1,0,0,1,2,3,0,1,])
在你的編輯解釋你想要一個列表的列表之后,我認為這會更有效:
>>> a = [2, 1, 4, 0, 2]
>>> b = [np.arange(x) for x in a]
>>> print b
[array([0, 1]), array([0]), array([0, 1, 2, 3]), array([], dtype=int32),
array([0, 1])]
另一種通常更節省內存的方法,並且速度稍快:
import numpy as np
def concatenated_ranges2(ranges_list):
cumsum = np.append(0, np.cumsum(ranges_list[:-1]))
cumsum = np.repeat(cumsum, ranges_list)
return np.arange(cumsum.shape[0]) - cumsum
測試此功能和前一個功能:
>>> a = np.random.randint(1, 10, size=(1000,))
>>> %timeit concatenated_ranges(a)
10000 loops, best of 3: 142 us per loop
>>> %timeit concatenated_ranges2(a)
10000 loops, best of 3: 72.6 us per loop
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.