3

我有两个 numpy 数组：

x = np.array([1,2,3,4,5])
y = np.array([10,20,30,40,50])

我试图得到的是这样的：

array([[  1.  ,   3.25,   5.5 ,   7.75,  10.  ],
       [  2.  ,   6.5 ,  11.  ,  15.5 ,  20.  ],
       [  3.  ,   9.75,  16.5 ,  23.25,  30.  ],
       [  4.  ,  13.  ,  22.  ,  31.  ,  40.  ],
       [  5.  ,  16.25,  27.5 ,  38.75,  50.  ]])

我的方法不是很像 Numpy，需要对非常大的数组进行改进（摆脱 for 循环）：

myarray = np.zeros((5,5))
for idx in np.arange(5):
    myarray[idx,:] = np.linspace(x[idx], y[idx], 5)

在 Numpy 中执行此操作的好方法是什么？以这种方式生成 myarray 然后对其进行操作会更好吗？

myarray = np.zeros((5,5))
myarray[:,0] = x
myarray[:,-1] = y

array([[  1.,   0.,   0.,   0.,  10.],
       [  2.,   0.,   0.,   0.,  20.],
       [  3.,   0.,   0.,   0.,  30.],
       [  4.,   0.,   0.,   0.,  40.],
       [  5.,   0.,   0.,   0.,  50.]])
4

2 回答 2

4

这种广播诡计有效：

>>> x = np.array([1,2,3,4,5])
>>> y = np.array([10,20,30,40,50])
>>> z = np.linspace(0, 1, 5)
>>> z[None, ...] * (y[..., None] - x[..., None]) + ( x[..., None])
array([[  1.  ,   3.25,   5.5 ,   7.75,  10.  ],
       [  2.  ,   6.5 ,  11.  ,  15.5 ,  20.  ],
       [  3.  ,   9.75,  16.5 ,  23.25,  30.  ],
       [  4.  ,  13.  ,  22.  ,  31.  ,  40.  ],
       [  5.  ,  16.25,  27.5 ,  38.75,  50.  ]])
>>>
于 2013-10-09T10:41:07.597 回答
1

这是np.nditer用于迭代数组的另一种解决方案：

>>> import numpy as np
>>> n = 5
>>> x = np.array([1,2,3,4,5])
>>> y = np.array([10,20,30,40,50])
>>> z = np.empty(shape=(n, x.shape[0]), dtype=float)

>>> for k, (i,j) in enumerate(np.nditer([x,y])):
        z[k,:] = np.linspace(i,j,n)
>>> z
[[  1.     3.25   5.5    7.75  10.  ]
 [  2.     6.5   11.    15.5   20.  ]
 [  3.     9.75  16.5   23.25  30.  ]
 [  4.    13.    22.    31.    40.  ]
 [  5.    16.25  27.5   38.75  50.  ]]
于 2013-10-09T10:26:27.993 回答