Skip to main content
 首页 » 编程设计

python之如何存储不均匀的 numpy 数组列表

2025年04月02日13lonelyxmas

假设我有以下 numpy 数组:

import numpy as np 
a = np.array([1, 2]) 
b = np.array([1]) 
c = np.array([1, 4, 8, 10]) 

我怎样才能像 np.vstack((a, b, c)) 那样不出错?我知道有一种纯 Python 方式 l = [a, b, c] 但这不够有效。我想用 numpy 方法实现它。你有什么主意吗?提前致谢!

请您参考如下方法:

In [863]: a = np.array([1, 2]) 
In [864]: b = np.array([1]) 
In [865]: c = np.array([1, 4, 8, 10]) 

这 3 个数组的列表:

In [866]: ll=[a,b,c] 

由这个列表组成的对象 dtype 数组:

In [867]: A=np.array(ll) 
 
In [868]: A 
Out[868]: array([array([1, 2]), array([1]), array([ 1,  4,  8, 10])], dtype=object) 

A,如 ll 包含指向内存中其他地方的数据对象的指针。在内存使用方面,它们同样高效。

In [870]: id(A[1]),id(b) 
Out[870]: (3032501768, 3032501768) 

您可以对 A 的元素执行有限数量的数学运算,例如,如人们预期的那样可以进行加法运算

In [871]: A+3 
Out[871]: array([array([4, 5]), array([4]), array([ 4,  7, 11, 13])], dtype=object) 

但是几乎没有速度优势,例如

In [876]: timeit [x+3 for x in ll] 
100000 loops, best of 3: 9.52 µs per loop 
 
In [877]: timeit  A+3 
100000 loops, best of 3: 14.6 µs per loop 

和其他类似 np.max 的东西不起作用。你必须逐个测试这个案例。

此处有更多详细信息:Maintaining numpy subclass inside a container after applying ufunc和其他对象数组问题。