标签：python arrays numpy concatenation
我有两个阵列a& b
a.shape
(5, 4, 3)
array([[[ 0. , 0. , 0. ],
[ 0. , 0. , 0. ],
[ 0. , 0. , 0. ],
[ 0.10772717, 0.604584 , 0.41664413]],
[[ 0. , 0. , 0. ],
[ 0. , 0. , 0. ],
[ 0.10772717, 0.604584 , 0.41664413],
[ 0.95879616, 0.85575133, 0.46135877]],
[[ 0. , 0. , 0. ],
[ 0.10772717, 0.604584 , 0.41664413],
[ 0.95879616, 0.85575133, 0.46135877],
[ 0.70442301, 0.74126523, 0.88965603]],
[[ 0.10772717, 0.604584 , 0.41664413],
[ 0.95879616, 0.85575133, 0.46135877],
[ 0.70442301, 0.74126523, 0.88965603],
[ 0.8039435 , 0.62802183, 0.58885027]],
[[ 0.95879616, 0.85575133, 0.46135877],
[ 0.70442301, 0.74126523, 0.88965603],
[ 0.8039435 , 0.62802183, 0.58885027],
[ 0.95848603, 0.72429311, 0.71461332]]])
和b
array([ 0.79212707, 0.66629398, 0.58676553], dtype=float32)
b.shape
(3,)
我想得到阵列
ab.shape
(5,5,3)
我这样做
第一
b = b.reshape(1,1,3)
然后
b=np.concatenate((b, b,b, b, b), axis = 0)
和
ab=np.concatenate((a, b), axis = 1)
ab.shape
(5, 5, 3)
我得到了正确的结果,但特别是在步骤时它不是很方便
b=np.concatenate((b, b,b, b, b), axis = 0)
当我必须多次键入时(真实数据集有很多维度).有没有更快的方法来达到这个结果？
解决方法:
你可以使用np.repeat：
r = np.concatenate((a, b.reshape(1, 1, -1).repeat(a.shape[0], axis=0)), axis=1)
这样做,首先重塑您的b数组以匹配a的维度,然后根据第一个轴根据需要重复其值：
b3D = b.reshape(1, 1, -1).repeat(a.shape[0], axis=0)
array([[[1, 2, 3]],
[[1, 2, 3]],
[[1, 2, 3]],
[[1, 2, 3]],
[[1, 2, 3]]])
b3D.shape
(5, 1, 3)
然后将此中间结果与 –
r = np.concatenate((a, b3d), axis=0)
r.shape
(5, 5, 3)
这与您当前的答案不同,主要在于重复值不是硬编码的事实(即重复处理).
如果您需要针对不同数量的维度(而不是3D数组)处理此问题,则需要进行一些更改(主要是如何删除b的硬编码重塑).
计时
a = np.random.randn(100, 99, 100)
b = np.random.randn(100)
# Tai's answer
%timeit np.insert(a, 4, b, axis=1)
100 loops, best of 3: 3.7 ms per loop
# Divakar's answer
%%timeit
b3D = np.broadcast_to(b,(a.shape[0],1,len(b)))
np.concatenate((a,b3D),axis=1)
100 loops, best of 3: 3.67 ms per loop
# solution in this post
%timeit np.concatenate((a, b.reshape(1, 1, -1).repeat(a.shape[0], axis=0)), axis=1)
100 loops, best of 3: 3.62 ms per loop
这些都是极具竞争力的解决方案但请注意,性能取决于您的实际数据,因此请务必先测试一下！
标签：python,arrays,numpy,concatenation 来源： https://codeday.me/bug/20190724/1522052.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。