foo = np.array([1,2,3,4])
我有一个名为foo
的numpy数组,我想将其转换成一个类似于ndarry或矩阵的形式,如下所示:
bar = np.array([[1,2,3,4],[2,3,4,1],[3,4,1,2],[4,1,2,3]])
任何对于如何高效地完成此操作的建议?因为我的源数组
foo
的大小会发生变化,而我需要进行数百万次的转换。foo = np.array([1,2,3,4])
我有一个名为foo
的numpy数组,我想将其转换成一个类似于ndarry或矩阵的形式,如下所示:
bar = np.array([[1,2,3,4],[2,3,4,1],[3,4,1,2],[4,1,2,3]])
foo
的大小会发生变化,而我需要进行数百万次的转换。你可以在循环中使用np.roll
。
x = np.array([np.roll(foo, -x) for x in np.arange(foo.shape[0])])
print(x)
array([[1, 2, 3, 4],
[2, 3, 4, 1],
[3, 4, 1, 2],
[4, 1, 2, 3]])
strides
。关键是将原始数组与以第二个最后一个元素结束的切片数组连接起来,然后采用与原始数组长度相同的滑动窗口长度进行处理。def strided_method(ar):
a = np.concatenate(( ar, ar[:-1] ))
L = len(ar)
n = a.strides[0]
return np.lib.stride_tricks.as_strided(a, (L,L), (n,n), writeable=False)
In [51]: foo = np.array([1,2,3,4])
In [52]: strided_method(foo)
Out[52]:
array([[1, 2, 3, 4],
[2, 3, 4, 1],
[3, 4, 1, 2],
[4, 1, 2, 3]])
运行时测试 -
In [53]: foo = np.random.randint(0,9,(1000))
# @cᴏʟᴅsᴘᴇᴇᴅ's loopy soln
In [54]: %timeit np.array([np.roll(foo, -x) for x in np.arange(foo.shape[0])])
100 loops, best of 3: 12.7 ms per loop
In [55]: %timeit strided_method(foo)
100000 loops, best of 3: 7.46 µs per loop
In [56]: %timeit strided_method(foo).copy()
1000 loops, best of 3: 454 µs per loop
from scipy.linalg import hankel
A = hankel([1,2,3,4], [4,1,2,3])
A
array([[1, 2, 3, 4],
[2, 3, 4, 1],
[3, 4, 1, 2],
[4, 1, 2, 3]])
看起来它只比Divakar的解决方案慢大约2倍,这是出乎意料的快速。