numpy中的张量展开

我试图找到一个优雅的方法来解决以下问题

我有一个包含

n

dxd

矩阵的张量

y

，我通过选择矩阵

X

的行组合获得。我还有第二个numpy数组，大小

kxd

。我的意图是扩展张量，以便将

kxd

矩阵的每一行添加到y张量中的每一个元素，以获得具有

kxn

dx（d+1）

矩阵的

y'

张量

如果没有for循环，我看不出该如何做。我的简单代码示例如下所示：

#Array x
X = np.arange(27).reshape(9,3)
# Create tensor y
combs = [(0,1,2),(0,1,3),(0,1,4),(0,1,5)]
y = X[combs,:]
# Add a dummy column of 1.0s to each element of the y tensor
b = np.array([1.0,1.0,1.0]).reshape(1,3)
b = b.repeat(y.shape[0],axis=0).reshape(y.shape[0],y.shape[1],1)
# Concatenate the column with the tensor
y_new = np.concatenate((y,b),axis=2)`

---

这个解决方案远非理想，因为我必须保留原始数组的副本，循环所有行，获得

k

张量，然后在最后合并它们。在我试图解决的一般问题中，张量

y

很大，多个进程并行执行，因此理想情况下，张量展开应该尽可能有效。任何建议，谢谢

您的

repeat

和

concatenate

代码可以简化，并可能通过以下方式加快速度：

In [50]: z = np.zeros((y.shape[:-1]+(y.shape[-1]+1,)))
In [51]: z.shape
Out[51]: (4, 3, 4)
In [52]: z[:,:,:-1]=y
In [53]: z[:,:,-1]=np.array([.1,.2,.3])

即创建目标数组，并用

y

和

b

中的值填充。使用广播

b

不需要重新整形和重复

---

听起来好像你在某种循环中嵌入了这个

y\u new

，但我没有遵循这些细节。

你的

重复

和

串联

代码可以简化，可能还可以通过以下方式加快速度：

In [50]: z = np.zeros((y.shape[:-1]+(y.shape[-1]+1,)))
In [51]: z.shape
Out[51]: (4, 3, 4)
In [52]: z[:,:,:-1]=y
In [53]: z[:,:,-1]=np.array([.1,.2,.3])

即创建目标数组，并用

y

和

b

中的值填充。使用广播

b

不需要重新整形和重复

---

听起来好像您正在将此

y\u new

嵌入某种循环中，但我没有遵循这些细节。

我相信下面的代码在没有循环的情况下可以满足您的要求。其思想是将张量扩展到所需的维度，然后在一行中使用numpy执行串联：

X = np.arange(27).reshape(9,3)
# Create tensor y
combs = [(0,1,2),(0,1,3),(0,1,4),(0,1,5)]
y = X[combs,:]
# Create tensor b, (the k x d matrix in your question)
b = np.arange(100,121).reshape(7,3,1)
# expand the tensors 
b = np.stack([b]*4,axis=1)
y = np.stack([y]*7)
# concatenate
y_new = np.concatenate([y,b],axis=3) 

---

我相信下面的代码不需要循环就能满足您的要求。其思想是将张量扩展到所需的维度，然后在一行中使用numpy执行串联：

X = np.arange(27).reshape(9,3)
# Create tensor y
combs = [(0,1,2),(0,1,3),(0,1,4),(0,1,5)]
y = X[combs,:]
# Create tensor b, (the k x d matrix in your question)
b = np.arange(100,121).reshape(7,3,1)
# expand the tensors 
b = np.stack([b]*4,axis=1)
y = np.stack([y]*7)
# concatenate
y_new = np.concatenate([y,b],axis=3)