Skip to main content
 首页 » 编程设计

python之递归定义一个 N 维 numpy 数组

2025年05月04日11mayingbao

我正在尝试递归定义一个 N 维的 numpy 数组。经过几个小时的研究,我发现了几种可行的方法(np.append 和 np.concatenate),但是这些都没有给我想要的输出。我一直在得到: [-0.6778734 -0.73517866 -0.73517866 0.6778734 ](一维数组)或 [array([-0.6778734 , -0.73517866]), array([-0.73517866, 0.6778734 ])](数组列表)

我的输入:

[(1.2840277121727839, array([-0.6778734, -0.73517866])),  
    (0.049083398938327472, array([-0.73517866, 0.6778734 ]))] 

期望的输出:

array([-0.6778734, -0.73517866], [-0.73517866, 0.6778734]) 

是否可以从数组创建一个 numpy 数组,因为将它们转换为列表并返回数组在计算上似乎效率低下?

提前致谢!

请您参考如下方法:

您的输入是一个元组列表,每个元组由一个数字和一个数组组成。出于某种原因,您想丢弃数字,而只是将数组组合成一个更大的数组 - 对吗?

In [1067]: x=[(1.2840277121727839, np.array([-0.6778734, -0.73517866])),  
    (0.049083398938327472, np.array([-0.73517866, 0.6778734 ]))] 
 
In [1068]: x 
Out[1068]:  
[(1.2840277121727839, array([-0.6778734 , -0.73517866])), 
 (0.04908339893832747, array([-0.73517866,  0.6778734 ]))] 

列表理解在为元组提取所需元素方面做得很好:

In [1069]: [y[1] for y in x] 
Out[1069]: [array([-0.6778734 , -0.73517866]), array([-0.73517866,  0.6778734 ])] 

和 vstack 非常适合将数组组合成一个更大的数组。

In [1070]: np.vstack([y[1] for y in x]) 
Out[1070]:  
array([[-0.6778734 , -0.73517866], 
       [-0.73517866,  0.6778734 ]]) 

vstack 只是concatenate 加上确保输入是 2d 的附加步骤。

np.array([y[1] for y in x]) 也有效,因为您要添加一个维度。

我假设 array([-0.6778734, -0.73517866], [-0.73517866, 0.6778734]) 有错字 - 它缺少一组 []。 np.array 的第二个参数是数据类型,而不是另一个列表。

请注意,np.array 和 np.concatentate 都采用列表。它可以是列表列表,也可以是数组列表。没什么区别。在这个阶段不要担心计算效率。任何时候合并来自 2 个或更多数组的数据时,都会进行复制。数组具有固定大小,如果不制作新副本就无法“增长”。


In [1074]: np.concatenate([y[1] for y in x]).reshape(2,2) 
Out[1074]:  
array([[-0.6778734 , -0.73517866], 
     [-0.73517866,  0.6778734 ]]) 

列表实际上是一维的,因此 np.concatenate 在该维度上连接它们,生成一个 4 元素的一维数组。 reshape 纠正了这一点。 vstack 使它们成为 (1,2) 并在第一个维度上进行连接。

另一个在新维度上连接数组的表达式:

np.concatenate([y[1][None,...] for y in x], axis=0) 

[None,...] 在开头添加了一个新维度。