Skip to main content
 首页 » 编程设计

python之使用序列创建 Numpy 数组

2025年01月19日9youxin

我看过this ,但它并没有完全回答我的问题。

我有一个数组:

x = np.array([0, 1, 2]) 

我想要这个:

y = np.array([[0,1], [0,2], [1,0], [1,2], [2,0], [2,1]]) 

也就是说,我想获取数组 x 的每个值(我们称它为 i)并创建 x.shape[0]-1 包含 x 的所有其他值的新数组,不包括 i。

本质上,y 包含没有任何对角线元素的 3x3 矩阵的索引。

我觉得有一种简单的 pythonic 方法可以做到这一点,但我不喜欢。

请您参考如下方法:

方法 #1: 一种方法是 -

x[np.argwhere(~np.eye(len(x),dtype=bool))] 

方法 #2: 分两步 -

r = np.arange(len(x)) 
out = x[np.argwhere(r[:,None]!=r)] 

方法 #3:为了提高性能,最好先创建这些成对坐标,然后再进行掩码。要获得 paiwise 坐标,让我们使用 cartesian_product_transpose , 像这样 -

r = np.arange(len(x)) 
mask = r[:,None]!=r 
out = cartesian_product_transpose(x,x)[mask.ravel()] 

方法 #4: 另一个 np.broadcast_to在屏蔽之前避免复制,这也是一种性能测量 -

n = len(x) 
r = np.arange(n) 
mask = r[:,None]!=r 
c0 = np.broadcast_to(x[:,None], (n, n))[mask] 
c1 = np.broadcast_to(x, (n,n))[mask] 
out = np.column_stack((c0,c1)) 

运行时测试-

In [382]: x = np.random.randint(0,9,(1000)) 
 
# @tom10's soln 
In [392]: %timeit list(itertools.permutations(x, 2)) 
10 loops, best of 3: 62 ms per loop 
 
In [383]: %%timeit 
     ...: x[np.argwhere(~np.eye(len(x),dtype=bool))] 
100 loops, best of 3: 11.4 ms per loop 
 
In [384]: %%timeit 
     ...: r = np.arange(len(x)) 
     ...: out = x[np.argwhere(r[:,None]!=r)] 
100 loops, best of 3: 12.9 ms per loop 
 
In [388]: %%timeit 
     ...: r = np.arange(len(x)) 
     ...: mask = r[:,None]!=r 
     ...: out = cartesian_product_transpose(x,x)[mask.ravel()] 
100 loops, best of 3: 16.5 ms per loop 
 
In [389]: %%timeit 
     ...: n = len(x) 
     ...: r = np.arange(n) 
     ...: mask = r[:,None]!=r 
     ...: c0 = np.broadcast_to(x[:,None], (n, n))[mask] 
     ...: c1 = np.broadcast_to(x, (n,n))[mask] 
     ...: out = np.column_stack((c0,c1)) 
100 loops, best of 3: 6.72 ms per loop