Skip to main content
 首页 » 编程设计

python之通过沿对角线复制给定数组在 numpy 中创建矩阵的有效方法

2025年01月19日9飞鱼

我有一些我已经知道的数组,比如说:

a = np.array([1,2,3]) 

我也知道我想要一个总长度为 length a + some amount n 的矩阵和宽度 n+1 ,像这样:

n = 4 
length = len(a) + n 
width = n + 1 

我想创建一个如下所示的数组:

array([[1,2,3,0,0,0,0], 
       [0,1,2,3,0,0,0], 
       [0,0,1,2,3,0,0], 
       [0,0,0,1,2,3,0], 
       [0,0,0,0,1,2,3]]) 

不幸的是numpy.kron通常 block 对角线不是我要找的,因为这会导致下一行增加 3 而不是 1。

我有一种方法可以创建矩阵的每一行,方法是使用 for 循环并将结果数组堆叠在一起,还有一种方法是使用 scipy.sparse.diag再次使用 for 循环创建数组,但我想知道是否有更有效的方法。

请您参考如下方法:

这是一个 np.lib.stride_tricks.as_strided这为我们提供了一个以零填充的数组的 View ,因此在内存方面和性能方面都非常高效 -

def sliding_windows(a, n=4): 
    length = len(a) + n 
    width = n + 1 
    z_pad = np.zeros(n,dtype=a.dtype) 
    ac = np.r_[z_pad, a, z_pad] 
    s = ac.strides[0]     
    strided = np.lib.stride_tricks.as_strided 
    return strided(ac[n:], shape=(width, length), strides=(-s,s),writeable=False) 

如果您需要可写版本,只需使用 sliding_windows(a, n=4).copy() 制作一个副本即可。

样本运行-

In [42]: a 
Out[42]: array([1, 2, 3]) 
 
In [43]: sliding_windows(a, n=4) 
Out[43]:  
array([[1, 2, 3, 0, 0, 0, 0], 
       [0, 1, 2, 3, 0, 0, 0], 
       [0, 0, 1, 2, 3, 0, 0], 
       [0, 0, 0, 1, 2, 3, 0], 
       [0, 0, 0, 0, 1, 2, 3]]) 
 
In [44]: sliding_windows(a, n=5) 
Out[44]:  
array([[1, 2, 3, 0, 0, 0, 0, 0], 
       [0, 1, 2, 3, 0, 0, 0, 0], 
       [0, 0, 1, 2, 3, 0, 0, 0], 
       [0, 0, 0, 1, 2, 3, 0, 0], 
       [0, 0, 0, 0, 1, 2, 3, 0], 
       [0, 0, 0, 0, 0, 1, 2, 3]]) 

还有一个array-assignment,如果你需要一个可写的版本,这应该不错 -

def sliding_windows_arrassign(a, n=4): 
    pad_length = len(a) + n + 1 
    width = n + 1 
    p = np.zeros((width,pad_length),dtype=a.dtype) 
    p[:,:len(a)] = a 
    return p.ravel()[:-n-1].reshape(width,-1) 

在更大的阵列上进行基准测试

1) 100 元素和类似的 n :

In [101]: a = np.arange(1,101) 
 
In [102]: %timeit sliding_windows(a, n=len(a)+1) 
100000 loops, best of 3: 17.6 µs per loop 
 
In [103]: %timeit sliding_windows_arrassign(a, n=len(a)+1) 
100000 loops, best of 3: 8.63 µs per loop 
 
# @Julien's soln 
In [104]: %%timeit 
     ...: n = len(a)+1 
     ...: m = np.tile(np.hstack((a,np.zeros(n+1))),n+1)[:(n+len(a))*(n+1)] 
     ...: m.shape = (n+1, n+len(a)) 
100000 loops, best of 3: 15 µs per loop 

2) ~5000 元素和类似的 n :

In [82]: a = np.arange(1,5000) 
 
In [83]: %timeit sliding_windows(a, n=len(a)+1) 
10000 loops, best of 3: 23.2 µs per loop 
 
In [84]: %timeit sliding_windows_arrassign(a, n=len(a)+1) 
10 loops, best of 3: 28.9 ms per loop 
 
# @Julien's soln 
In [91]: %%timeit 
    ...: n = len(a)+1 
    ...: m = np.tile(np.hstack((a,np.zeros(n+1))),n+1)[:(n+len(a))*(n+1)] 
    ...: m.shape = (n+1, n+len(a)) 
10 loops, best of 3: 34.3 ms per loop 

np.lib.stride_tricks.as_strided 由于前面讨论的内存效率,无论数组长度如何,都会有一个恒定的运行时间。