Python 如何从大小为N的9个数组中快速创建N 3x3矩阵数组?
假设我有9个大小为N的数组(A,B,C,…J)。我想创建一个由n3x3矩阵组成的新数组,例如Python 如何从大小为N的9个数组中快速创建N 3x3矩阵数组?,python,arrays,numpy,matrix,vectorization,Python,Arrays,Numpy,Matrix,Vectorization,假设我有9个大小为N的数组(A,B,C,…J)。我想创建一个由n3x3矩阵组成的新数组,例如 matrices[i] = [[A[i], B[i], C[i]], [D[i], E[i], F[i]], [G[i], H[i], J[i]]] 一个简单的解决方案是在for循环中将每个条目添加到数组矩阵中,如下所示: for i in range(len(matrices)): matrices[i] = [[A[i], B[i
matrices[i] = [[A[i], B[i], C[i]],
[D[i], E[i], F[i]],
[G[i], H[i], J[i]]]
一个简单的解决方案是在for循环中将每个条目添加到数组矩阵中,如下所示:
for i in range(len(matrices)):
matrices[i] = [[A[i], B[i], C[i]],
[D[i], E[i], F[i]],
[G[i], H[i], J[i]]]
有人知道如何以更快、矢量化的方式避免for循环吗?如果存在一些智能索引操作或其他操作。一种方法是将列中的这些操作堆叠在一起,并用-
众所周知,与连接的速度要快得多,因此将其与2D转置
和整形一起使用-
np.concatenate((A,B,C,D,E,F,G,H,J)).reshape(9,-1).T.reshape(-1,3,3)
np.concatenate((A,B,C,D,E,F,G,H,J)).reshape(3,3,-1).transpose(2,0,1)
另一个带有np.连接
,3D转置
和整形-
np.concatenate((A,B,C,D,E,F,G,H,J)).reshape(9,-1).T.reshape(-1,3,3)
np.concatenate((A,B,C,D,E,F,G,H,J)).reshape(3,3,-1).transpose(2,0,1)
运行时测试-
In [59]: # Setup input arrays
...: N = 1000
...: A = np.random.randint(0,9,(N,))
...: B = np.random.randint(0,9,(N,))
...: C = np.random.randint(0,9,(N,))
...: D = np.random.randint(0,9,(N,))
...: E = np.random.randint(0,9,(N,))
...: F = np.random.randint(0,9,(N,))
...: G = np.random.randint(0,9,(N,))
...: H = np.random.randint(0,9,(N,))
...: J = np.random.randint(0,9,(N,))
...:
In [60]: %timeit np.column_stack((A,B,C,D,E,F,G,H,J)).reshape(-1,3,3)
10000 loops, best of 3: 84.4 µs per loop
In [61]: %timeit np.concatenate((A,B,C,D,E,F,G,H,J)).reshape(9,-1).T.reshape(-1,3,3)
100000 loops, best of 3: 15.8 µs per loop
In [62]: %timeit np.concatenate((A,B,C,D,E,F,G,H,J)).reshape(3,3,-1).transpose(2,0,1)
100000 loops, best of 3: 14.8 µs per loop
这是一个伟大的解决方案,速度是巨大的!谢谢!:-)尝试将其计时到,如果所有阵列包含5000万个元素,则第一个解决方案大约需要7秒,第二个解决方案需要3秒。伟大的再次感谢大家@塞尔文:是的,得到了类似的结果,我刚刚补充说。