3

我有一个包含整数值的数组。

a = [2,1,4,0,2]

我想要一个 apply arange 函数到 a 中的每个值，以便拥有：

b = [0,1,0,0,1,2,3,1,2]
b "=" [arange(2),arange(1),arange(4),arange(0),arange(2)]

事实上，我使用 np.repeat 函数根据数组 a 重复数组行，并且我希望有一个 i 标记将每个重复值链接到原始值，并有一个标识号来区分它们。

我尝试使用 np.vectorize 但没有成功。

4

4 回答 4

3

肯定有更多的 numpythonic 做事方式。一种可能性可能是这样的：

import numpy as np
from numpy.lib.stride_tricks import as_strided

def concatenated_ranges(ranges_list) :
    ranges_list = np.array(ranges_list, copy=False)
    base_range = np.arange(ranges_list.max())
    base_range =  as_strided(base_range,
                             shape=ranges_list.shape + base_range.shape,
                             strides=(0,) + base_range.strides)
    return base_range[base_range < ranges_list[:, None]]

如果您只连接几个范围，那么 E 先生的纯 python 解决方案可能是您的最佳选择，但如果您要连接的范围甚至只有 100 个，那么这颗星的速度明显更快。为了比较，我使用了从其他答案中提取的这两个函数：

def junuxx(a) :
    b = np.array([], dtype=np.uint8)
    for x in a:
        b = np.append(b, np.arange(x))
    return b

def mr_e(a) :
    return reduce(lambda x, y: x + range(y), a, [])

以下是一些时间安排：

In [2]: a = [2, 1, 4, 0 ,2] # the OP's original example

In [3]: concatenated_ranges(a) # show it works!
Out[3]: array([0, 1, 0, 0, 1, 2, 3, 0, 1])

In [4]: %timeit concatenated_ranges(a)
10000 loops, best of 3: 31.6 us per loop

In [5]: %timeit junuxx(a)
10000 loops, best of 3: 34 us per loop

In [6]: %timeit mr_e(a)
100000 loops, best of 3: 2.58 us per loop

In [7]: a = np.random.randint(1, 10, size=(10,))

In [8]: %timeit concatenated_ranges(a)
10000 loops, best of 3: 27.1 us per loop

In [9]: %timeit junuxx(a)
10000 loops, best of 3: 79.8 us per loop

In [10]: %timeit mr_e(a)
100000 loops, best of 3: 7.82 us per loop

In [11]: a = np.random.randint(1, 10, size=(100,))

In [12]: %timeit concatenated_ranges(a)
10000 loops, best of 3: 57.4 us per loop

In [13]: %timeit junuxx(a)
1000 loops, best of 3: 756 us per loop

In [14]: %timeit mr_e(a)
10000 loops, best of 3: 149 us per loop

In [15]: a = np.random.randint(1, 10, size=(1000,))

In [16]: %timeit concatenated_ranges(a)
1000 loops, best of 3: 358 us per loop

In [17]: %timeit junuxx(a)
100 loops, best of 3: 9.38 ms per loop

In [18]: %timeit mr_e(a)
100 loops, best of 3: 8.93 ms per loop
于 2013-02-26T18:23:02.973 回答
2

我的答案类似于 Junuxx - 我不确定您为 b 给出的答案是您想要的答案

a = [2, 1, 4, 0 ,2]
reduce(lambda x, y: x+range(y), a, [])

给我

[0, 1, 0, 0, 1, 2, 3, 0, 1]
于 2013-02-26T12:51:44.087 回答
1

这就像您所描述的那样，即 . 中所有值的范围串联a。尽管这意味着b您给出的内容中存在一些错误：

>>> a = [2, 1, 4, 0, 2]
>>> b = np.array([], dtype=np.uint8)
>>>for x in a:
>>>    b = np.append(b, np.arange(x))
>>> print b
array([0,1,0,0,1,2,3,0,1,])

在你的编辑解释你想要一个范围列表之后，我认为这会更有效：

>>> a = [2, 1, 4, 0, 2]
>>> b = [np.arange(x) for x in a]
>>> print b
[array([0, 1]), array([0]), array([0, 1, 2, 3]), array([], dtype=int32),
 array([0, 1])]
于 2013-02-26T12:50:53.707 回答
0

通常，另一种内存效率更高且速度稍快的方法：

import numpy as np
def concatenated_ranges2(ranges_list):
    cumsum = np.append(0, np.cumsum(ranges_list[:-1]))
    cumsum = np.repeat(cumsum, ranges_list)
    return np.arange(cumsum.shape[0]) - cumsum

测试这个函数和上一个函数：

>>> a = np.random.randint(1, 10, size=(1000,))
>>> %timeit concatenated_ranges(a)
10000 loops, best of 3: 142 us per loop
>>> %timeit concatenated_ranges2(a)
10000 loops, best of 3: 72.6 us per loop
于 2017-07-16T08:48:43.623 回答