问如何在Python中的不等间距值之间创建等距值？
EN

Stack Overflow用户

提问于 2015-04-04 01:14:08

回答 4查看 3.3K关注 0票数 4

我有一个数组A(变量)的形式：

A = [1, 3, 7, 9, 15, 20, 24]

现在，我希望在数组A的值之间创建10 (变量)相等间距的值，这样就可以得到表单的数组B：

B = [1, 1.2, 1.4, ... 2.8, 3, 3.4, 3.8, ... , 6.6, 7, 7.2, ..., 23.6, 24]

从本质上讲，B应该始终具有A的值和A之间的等距值。

我通过使用以下代码解决了这个问题：

import numpy as np
A = np.array([1, 3, 7, 9, 15, 20, 24])
B = []
for i in range(len(A) - 1):
    B = np.append(B, np.linspace(A[i], A[i + 1], 11))
print (B)

但是，NumPy是否已经有任何函数，或者是否有其他更好的方法来创建这样的数组。

numpy

scipy

python

arrays

网关负载均衡

网关负载均衡帮助客户部署、扩展和管理第三方虚拟设备

回答 4

Stack Overflow用户

回答已采纳

发布于 2015-04-04 01:33:00

使用内插代替级联的替代方法：

n = 10
x = np.arange(0, n * len(A), n)       # 0, 10, .., 50, 60
xx = np.arange((len(A) - 1) * n + 1)  # 0, 1, .., 59, 60
B = np.interp(xx, x, A)

结果：

In [31]: B
Out[31]: 
array([  1. ,   1.2,   1.4,   1.6,   1.8,   2. ,   2.2,   2.4,   2.6,
         2.8,   3. ,   3.4,   3.8,   4.2,   4.6,   5. ,   5.4,   5.8,
         6.2,   6.6,   7. ,   7.2,   7.4,   7.6,   7.8,   8. ,   8.2,
         8.4,   8.6,   8.8,   9. ,   9.6,  10.2,  10.8,  11.4,  12. ,
        12.6,  13.2,  13.8,  14.4,  15. ,  15.5,  16. ,  16.5,  17. ,
        17.5,  18. ,  18.5,  19. ,  19.5,  20. ,  20.4,  20.8,  21.2,
        21.6,  22. ,  22.4,  22.8,  23.2,  23.6,  24. ])

这应该比其他解决方案更快，因为它不使用Python循环，也不执行对linspace的多次调用。快速计时比较：

In [58]: timeit np.interp(np.arange((len(A) - 1) * 10 + 1), np.arange(0, 10*len(A), 10), A)
100000 loops, best of 3: 10.3 µs per loop

In [59]: timeit np.append(np.concatenate([np.linspace(i, j, 10, False) for i, j in zip(A, A[1:])]), A[-1])
10000 loops, best of 3: 94.2 µs per loop

In [60]: timeit np.unique(np.hstack(np.linspace(a, b, 10 + 1) for a, b in zip(A[:-1], A[1:])))
10000 loops, best of 3: 140 µs per loop

票数 8

Stack Overflow用户

发布于 2015-04-04 01:21:02

您可以在列表理解和zip中使用np.concatenate函数，但也可以在最后一个元素中添加np.append：

>>> np.append(np.concatenate([np.linspace(i, j, 10, False) for i,j in zip(A,A[1:])]),A[-1])
array([  1. ,   1.2,   1.4,   1.6,   1.8,   2. ,   2.2,   2.4,   2.6,
         2.8,   3. ,   3.4,   3.8,   4.2,   4.6,   5. ,   5.4,   5.8,
         6.2,   6.6,   7. ,   7.2,   7.4,   7.6,   7.8,   8. ,   8.2,
         8.4,   8.6,   8.8,   9. ,   9.6,  10.2,  10.8,  11.4,  12. ,
        12.6,  13.2,  13.8,  14.4,  15. ,  15.5,  16. ,  16.5,  17. ,
        17.5,  18. ,  18.5,  19. ,  19.5,  20. ,  20.4,  20.8,  21.2,
        21.6,  22. ,  22.4,  22.8,  23.2,  23.6,  24. ])

您还可以使用retstep=True返回(示例，step)，其中step是样本之间的间隔。

>>> np.concatenate([np.linspace(i, j, 10, False,retstep=True) for i,j in zip(A,A[1:])])
array([array([ 1. ,  1.2,  1.4,  1.6,  1.8,  2. ,  2.2,  2.4,  2.6,  2.8]),
       0.2,
       array([ 3. ,  3.4,  3.8,  4.2,  4.6,  5. ,  5.4,  5.8,  6.2,  6.6]),
       0.4,
       array([ 7. ,  7.2,  7.4,  7.6,  7.8,  8. ,  8.2,  8.4,  8.6,  8.8]),
       0.2,
       array([  9. ,   9.6,  10.2,  10.8,  11.4,  12. ,  12.6,  13.2,  13.8,  14.4]),
       0.6,
       array([ 15. ,  15.5,  16. ,  16.5,  17. ,  17.5,  18. ,  18.5,  19. ,  19.5]),
       0.5,
       array([ 20. ,  20.4,  20.8,  21.2,  21.6,  22. ,  22.4,  22.8,  23.2,  23.6]),
       0.4], dtype=object)

票数 3

Stack Overflow用户

发布于 2015-04-04 01:23:29

基本上，这是你最初方法的一个稍微精简的版本：

print np.hstack(np.linspace(a, b, 10, endpoint=False) for a, b in zip(A[:-1], A[1:]))

输出：

[  1.    1.2   1.4   1.6   1.8   2.    2.2   2.4   2.6   2.8   3.    3.4
   3.8   4.2   4.6   5.    5.4   5.8   6.2   6.6   7.    7.2   7.4   7.6
   7.8   8.    8.2   8.4   8.6   8.8   9.    9.6  10.2  10.8  11.4  12.
  12.6  13.2  13.8  14.4  15.   15.5  16.   16.5  17.   17.5  18.   18.5
  19.   19.5  20.   20.4  20.8  21.2  21.6  22.   22.4  22.8  23.2  23.6]

endpoint参数控制在两个原始值之间是否有9或10个等距值。

编辑

因为你想要24点结束，你可以像卡士拉那样append它，或者--提出一些变化;) --忘记endpoint参数，从a到b生成10 + 1值。这将自动追加24 (因为默认情况下endpoint是真的)。(更新：如Bas所示，您需要现在就用unique包装它.)

print np.unique(np.hstack(np.linspace(a, b, 10 + 1) for a, b in zip(A[:-1], A[1:])))

[  1.    1.2   1.4   1.6   1.8   2.    2.2   2.4   2.6   2.8   3.
   3.4   3.8   4.2   4.6   5.    5.4   5.8   6.2   6.6   7.    7.2
   7.4   7.6   7.8   8.    8.2   8.4   8.6   8.8   9     9.6  10.2
  10.8  11.4  12.   12.6  13.2  13.8  14.4  15.   15.5  16.   16.5
  17.   17.5  18.   18.5  19.   19.5  20.   20.4  20.8  21.2  21.6
  22.   22.4  22.8  23.2  23.6  24. ]