Numpy 如何有效地为多个参数准备矩阵（二维数组）？

如果要有效地计算多个参数的一维数组（即不使用for循环），可以执行以下操作：

x = array([1, 2, 3])
def gen_1d_arr(x):
    arr = array([2 + x, 2 - x,])
    return arr

gen_1d_arr(x).T

你会得到：

array([[ 3,  1],
       [ 4,  0],
       [ 5, -1]])

好的，但如何对二维阵列执行此操作，如下所示：

def gen_2d_arr(x):
    arr = array([[2 + x, 2 - x,],
                 [2 * x, 2 / x]])
    return arr

你能得到这个吗

array([[[ 3.        ,  1.        ],
        [ 2.        ,  2.        ]],

       [[ 4.        ,  0.        ],
        [ 4.        ,  1.        ]],

       [[ 5.        , -1.        ],
        [ 6.        ,  0.66666667]]])

---

另外，对于n-d阵列，这通常是可能的吗？

看看你的函数得到了什么

In [274]: arr = np.array([[2 + x, 2 - x,],
                 [2 * x, 2 / x]])

In [275]: arr
Out[275]: 
array([[[ 3.        ,  4.        ,  5.        ],
        [ 1.        ,  0.        , -1.        ]],

       [[ 2.        ,  4.        ,  6.        ],
        [ 2.        ,  1.        ,  0.66666667]]])

In [276]: arr.shape
Out[276]: (2, 2, 3)

3

来自

x

。中间的

2

来自

[2+x，2-x]

对，第一个

2

来自外部列表

看起来您需要的是（3,2,2）数组。一个选项是对

arr

应用转置或轴交换

arr.transpose([2,0,1])

np.array（[arr1，arr2]）

的基本操作是在前面构造一个具有新维度的新数组，即使用shape

（2，*arr1（shape））

还有其他组合阵列的操作

np.连接

及其变体hstack，

vstack

，

dstack

，

列堆栈

，连接数组

.reforme（）

和

[None，…]

，

至少添加尺寸标注。查看
堆栈
函数的代码，了解如何使用这些工具组合数组

关于效率问题，我的时间测试表明，串联操作通常比
np.array
更快。通常，
np.array
将其输入转换为列表，并重新解析值。这使它在将数组协调到特定的数据类型方面有了更大的能力，但这是以牺牲时间为代价的。但我只担心构建时间很长的大型阵列。
谢谢，我不知道转置的这种用法。