我有一个向量[x,y,z,q]
,我想创建一个矩阵:
[[x,y,z,q],
[x,y,z,q],
[x,y,z,q],
...
[x,y,z,q]]
有m行。我认为这可以通过一些巧妙的方式来完成,使用广播(broadcasting),但我只能想到用for循环来实现。
我有一个向量[x,y,z,q]
,我想创建一个矩阵:
[[x,y,z,q],
[x,y,z,q],
[x,y,z,q],
...
[x,y,z,q]]
有m行。我认为这可以通过一些巧妙的方式来完成,使用广播(broadcasting),但我只能想到用for循环来实现。
使用broadcasting
在列上添加m
个零后,可以很容易地实现此操作:
np.zeros((m,1),dtype=vector.dtype) + vector
现在,NumPy已经内置了一个np.tile
函数,可以完成同样的任务 -
np.tile(vector,(m,1))
示例运行 -
In [496]: vector
Out[496]: array([4, 5, 8, 2])
In [497]: m = 5
In [498]: np.zeros((m,1),dtype=vector.dtype) + vector
Out[498]:
array([[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2]])
In [499]: np.tile(vector,(m,1))
Out[499]:
array([[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2]])
您也可以使用np.repeat
,在扩展其维度后加上np.newaxis/None
,以达到相同的效果,示例如下 -
In [510]: np.repeat(vector[None],m,axis=0)
Out[510]:
array([[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2]])
你还可以使用整数数组索引
来获取副本,方法如下 -In [525]: vector[None][np.zeros(m,dtype=int)]
Out[525]:
array([[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2]])
最后使用np.broadcast_to
,您可以轻松地创建一个2D
视图来查看输入的vector
,因此这几乎是免费的,并且没有额外的内存需求。 因此,我们只需要执行-
In [22]: np.broadcast_to(vector,(m,len(vector)))
Out[22]:
array([[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2],
[4, 5, 8, 2]])
运行时测试 -
这是一个快速的运行时测试,比较各种方法 -
In [12]: vector = np.random.rand(10000)
In [13]: m = 10000
In [14]: %timeit np.broadcast_to(vector,(m,len(vector)))
100000 loops, best of 3: 3.4 µs per loop # virtually free!
In [15]: %timeit np.zeros((m,1),dtype=vector.dtype) + vector
10 loops, best of 3: 95.1 ms per loop
In [16]: %timeit np.tile(vector,(m,1))
10 loops, best of 3: 89.7 ms per loop
In [17]: %timeit np.repeat(vector[None],m,axis=0)
10 loops, best of 3: 86.2 ms per loop
In [18]: %timeit vector[None][np.zeros(m,dtype=int)]
10 loops, best of 3: 89.8 ms per loop