Python 如何将具有np.column\u stack/np.row\u stack的for循环转换为生成器

我有以下代码：

from itertools import product
from joblib import Parallel, delayed
from operator import mul
import numpy as np

lst = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
arr = np.array(lst)

flat = np.ravel(arr).tolist()
lst = (list(a) for a in product(flat, repeat=2))
results = Parallel(n_jobs=-1)(delayed(mul)(x, y) for x, y in lst)

rows = arr.shape[0]
cols = arr.shape[1]

arr3d = np.array(results).reshape(rows, cols, rows, cols)

def stacking():
    final_arr = np.empty((1, cols*cols))   # Initialize final_arr
    for i in range(0,rows):
        first_block = arr3d[i,0]   # Initialize first_block
        for j in range(1,cols):
            first_block = np.column_stack((first_block, arr3d[i,j]))
        final_arr = np.row_stack((final_arr, first_block))
    yield np.delete(final_arr, 0, axis=0)

next(stacking())

我希望将for循环（I’s和j’s）转换为生成器。当我尝试为j循环执行此操作时：

def stacking():
    final_arr = np.empty((1, cols*cols))   # Initialize final_arr
    for i in range(0,rows):
        first_block = arr3d[i,0]   # Initialize first_block
        first_block = (np.column_stack((first_block, arr3d[i,j])) for j in range(1,cols))
        final_arr = np.row_stack((final_arr, first_block))
    yield np.delete(final_arr, 0, axis=0)

next(stacking())

我得到以下错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-35-ba342fd13303> in <module>
----> 1 next(stacking())

<ipython-input-34-303528d26770> in stacking()
      4         first_block = arr3d[i,0]   # Initialize first_block
      5         first_block = (np.column_stack((first_block, arr3d[i,j])) for j in range(1,cols))
----> 6         final_arr = np.row_stack((final_arr, first_block))
      7     yield np.delete(final_arr, 0, axis=0)

<__array_function__ internals> in vstack(*args, **kwargs)

~\Anaconda3\lib\site-packages\numpy\core\shape_base.py in vstack(tup)
    281     if not isinstance(arrs, list):
    282         arrs = [arrs]
--> 283     return _nx.concatenate(arrs, 0)
    284 
    285 

<__array_function__ internals> in concatenate(*args, **kwargs)

ValueError: all the input array dimensions for the concatenation axis must match exactly, but along dimension 1, the array at index 0 has size 9 and the array at index 1 has size 1

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在里面
---->1下一步（堆叠（）
在堆栈中（）
4第一块=arr3d[i，0]#初始化第一块
5第一个_块=（范围（1，cols）内j的np.列_堆栈（（第一个_块，arr3d[i，j]））
---->6 final_arr=np.行堆栈（final_arr，first_block））
7产量np.删除（最终产量，0，轴=0）
在vstack（*args，**kwargs）中
vstack（tup）中的~\Anaconda3\lib\site packages\numpy\core\shape\u base.py
281如果不存在（arrs，列表）：
282 arrs=[arrs]
-->283返回n.连接（arrs，0）
284
285
串联（*args，**kwargs）
ValueError：串联轴的所有输入数组维度必须完全匹配，但沿维度1，索引0处的数组大小为9，索引1处的数组大小为1

有没有办法将np.column\u stack/np.row\u stack与生成器一起使用

---

我基本上是想让这段代码运行得更快，使用更少的内存，因为我处理的是大型数组。如果有其他方法来调整这段代码，请让我知道！非常感谢。

在循环中，您唯一应该做的就是列表附加。所有的

堆叠

都在循环之外完成一次。只有当您将一个列表馈送到另一个列表时，生成器才有帮助，以此类推。它们在处理数组时没有用处。好的。有没有其他方法可以优化此代码的速度和内存？或者它已经是最优的了？所以你从一个

final\u arr=np.empty（（1，cols*cols））

数组开始-一行垃圾。然后在它的末尾添加一堆，删除那些垃圾！为什么不从

np.empty（（0，cols*cols））开始
？最好从列表开始，在列表中添加一个簇，然后在列表中添加列堆栈
串联
和所有的
堆栈
变体（除了
np.append
）都接受一个列表。好好利用这一点！