如何在Numpy中迭代一维数组并构建一个2D数组？
如何在Numpy中迭代一维数组并构建一个2D数组？
提问于 2012-11-18 13:26:48
如果我有一个1D的numpy.ndarray b和一个我想矢量化的Python function f，使用numpy.vectorize函数很容易：
c = numpy.vectorize(f)(a)。
但是，如果f返回1D numpy.ndarray而不是标量，我如何构建2D numpy.ndarray呢？(也就是说，我希望从f返回的每个1D numpy.ndarray都成为新2D numpy.ndarray中的一行。)
示例：
def f(x):
return x * x
a = numpy.array([1,2,3])
c = numpy.vectorize(f)(a)
def f_1d(x):
return numpy.array([x, x])
a = numpy.ndarray([1,2,3])
d = ???(f_1d)(a)在上面的例子中，c将变成array([1, 4, 9])。如果d应该成为array([[1, 1], [2, 2], [3, 3]])，那么应该用什么来替换???
回答 2
Stack Overflow用户
回答已采纳
发布于 2012-11-18 14:16:41
可以这样做：
def f_1d(x):
return (x,x)
d = numpy.column_stack(numpy.vectorize(f_1d)(a))将输出：
array([[1, 1],
[2, 2],
[3, 3]])Stack Overflow用户
发布于 2012-11-18 13:33:20
我想你是在找reshape和repeat
def f(x):
return x * x
a = numpy.array([1,2,3])
b= numpy.vectorize(f)(a)
c = numpy.repeat(b.reshape( (-1,1) ),2, axis=1)
print c输出：
[[1 1]
[4 4]
[9 9]]您也可以直接设置array.shape元组。也许值得知道的是，如果你需要编写纯vectorize，你可以使用map，来完成与vectorize相同的任务。b= numpy.vectorize(f)(a)将成为b=map(f,a)
使用这种方法，根本不需要拥有您的f_1d，因为它所做的一切似乎都是重复的信息，而numpy.repeat做得最好。
此外，这个版本的速度要快一点，但这只在处理大型数组时才重要。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/13437749
复制相关文章
相似问题
腾讯云开发者
