有没有一种方法可以动态扩展scipy数组?
from scipy import sci
time = sci.zeros((n,1), 'double')
在此之后,我们能否增加time
数组的大小?
可以使用resize
方法扩展数组,但对于大型数组来说,这可能是一个缓慢的操作,因此如果可能的话,请避免使用*。
例如:
import scipy as sci
n=3
time = sci.zeros((n,1), 'double')
print(time)
# [[ 0.]
# [ 0.]
# [ 0.]]
time.resize((n+1,2))
print(time)
# [[ 0. 0.]
# [ 0. 0.]
# [ 0. 0.]
# [ 0. 0.]]
* 相反,从一开始就确定所需的数组大小,并仅针对 time
分配该形状。通常来说,过量分配比调整大小更快。
n = 1
time = sci.zeros((1,1), 'double')
和for (i in something):
time.resize((n+1), 'double')
那么scipy库会怎么做呢?它会将先前的数组元素复制到新位置吗?因为那样会很慢。 - Harmantime=np.array(time)
将其转换为numpy数组。 - unutbu由于生成的time
数组只是一个Numpy数组,您可以使用标准的Numpy方法来操作它们,例如numpy#insert,它返回一个修改后的数组,其中插入了新元素。以下是来自Numpy文档的示例用法(这里的np
是numpy
的缩写):
>>> a = np.array([[1, 1], [2, 2], [3, 3]])
>>> a
array([[1, 1],
[2, 2],
[3, 3]])
>>> np.insert(a, 1, 5)
array([1, 5, 1, 2, 2, 3, 3])
>>> np.insert(a, 1, 5, axis=1)
array([[1, 5, 1],
[2, 5, 2],
[3, 5, 3]])
numpy#insert
比numpy#resize
更快:>>> timeit np.insert(time, 1, 1, 1)
100000 loops, best of 3: 16.7 us per loop
>>> timeit np.resize(time, (20,1))
10000 loops, best of 3: 27.1 us per loop