Python 如何为每列使用不同的默认值初始化NumPy数组？

我试图初始化一个大小为（x，y）的NumPy矩阵，其中y非常大

矩阵的第一列是ID（整数），其余的是三元组（int8），其中三元组的每个成员都应该有不同的默认值

i、 e.假设默认值为

[2,5,9]

我想初始化以下矩阵：

0 2 5 9 2 5 9 2 5 9 ...
0 2 5 9 2 5 9 2 5 9 ...
0 2 5 9 2 5 9 2 5 9 ...
0 2 5 9 2 5 9 2 5 9 ...
...

我能想到的初始化矩阵的最快方法是：

defaults = [2, 5, 9]
mat = numpy.zeros(shape=(x,y),
                  dtype=['i'] + ['int8'] * (y - 1))
# fill the triplets with default values
for i in range(1, y/3):
    j = i * 3
    mat[:, j]   = defaults[0]
    mat[:, j+1] = defaults[1]
    mat[:, j+2] = defaults[2]

初始化这样一个矩阵的最快方法是什么

---

谢谢

您可以使用

np.tile

重塑值数组，例如：

>>> b=np.array([2,5,9])
>>> b=b.reshape(3,1)
>>> np.tile(b,3)
array([[2, 2, 2],
       [5, 5, 5],
       [9, 9, 9]])

然后可以使用

np.dstack

旋转数组，然后使用

np.hstack

添加零列：

>>> np.hstack((np.zeros((3,1)),np.dstack(new)[0]))
array([[ 0.,  2.,  5.,  9.],
       [ 0.,  2.,  5.,  9.],
       [ 0.,  2.,  5.,  9.]])

或者您可以使用

平铺

再次重复非零部分：

>>> np.hstack((np.zeros((3,1)),np.tile(np.dstack(new)[0],4)))
array([[ 0.,  2.,  5.,  9.,  2.,  5.,  9.,  2.,  5.,  9.,  2.,  5.,  9.],
       [ 0.,  2.,  5.,  9.,  2.,  5.,  9.,  2.,  5.,  9.,  2.,  5.,  9.],
       [ 0.,  2.,  5.,  9.,  2.,  5.,  9.,  2.,  5.,  9.,  2.,  5.,  9.]])

编辑：

为了澄清，简单的一行是：

defaults = [2, 5, 9]
np.hstack((np.zeros((x,1)), np.tile(defaults, (x,y))))

---

我会这样做

np.tile([0] + [2, 5, 9] * 4, (3, 1))

在这里，我使用列表加法和列表乘法来创建第一行，然后使用

np.tile

在三行上复制它

np.tile

自动将列表转换为数组，然后垂直复制三次。如果你愿意，你可以把它包装成这样的函数

def make_array(triple, n_triple, n_row):
    return np.tile([0] + list(triple) * n_triple, (n_row, 1))

在这里，我强制将

triple

作为一个列表，但是如果在调用此函数时小心地只将列表传递给

triple

变量，则不需要这样做

---

祝您好运

只需使用

np.tile（）

函数的简单解决方案：

# Create a footprint array
a = np.array([2, 5, 9])

# Use the footprint array to create the required final array
res = np.tile(a, (4, 3))

>>>res
array([[2, 5, 9, 2, 5, 9, 2, 5, 9],
       [2, 5, 9, 2, 5, 9, 2, 5, 9],
       [2, 5, 9, 2, 5, 9, 2, 5, 9],
       [2, 5, 9, 2, 5, 9, 2, 5, 9]])

---

有关

np.tile（）

的详细用法，请参阅。

您应该看看我想您可能有点困惑-在我的示例中，您编写的n_y实际上是x。您还通过使用列表乘法在y轴（列）中进行了复制，我认为这比NumPy的方法要慢。在我看来，

x，y

的使用令人困惑，因为

x，y

通常用于水平和垂直坐标（例如在绘图中）。就速度而言，当然

np.tile

对于

n_triple

的大值来说速度更快，但大多数情况下这是无关紧要的，我认为我的代码更简单，更容易阅读。如果我正在编写一些快速而肮脏的脚本，我不必考虑

np.zero

、

np.tile

和

np.hstack

的维度是如何协同工作的。关于

x，y

符号，你是对的，可能

m，n

会更好。关于列表乘法——它确实更简单，但是对于大y，它将比NumPy实现慢得多。在任何情况下，使用生成器表达式可能会更好，比如-

（i代表范围内的j（n_三元组）代表[2,5,9]中的i]）