Python 创建numpy 2d索引数组的最快方法

我想创建一个包含单元索引的numpy 2d数组，例如，可以使用以下方法创建2x2 mat：

np.array([[[0,0],[0,1]],[[1,0],[1,1]]])

换句话说，索引

i，j

处的单元格应包含列表

[i，j]

我可以用c方式做一个嵌套循环，但我想知道是否有一种快速的Python方式可以做到这一点

np.array(list(product(range(n), repeat=2))).reshape(n,n,2)

---

对于NumPy的性能，我建议使用基于阵列初始化的方法-

def indices_array(n):
    r = np.arange(n)
    out = np.empty((n,n,2),dtype=int)
    out[:,:,0] = r[:,None]
    out[:,:,1] = r
    return out

对于一般的

（m，n，2）

形输出，我们需要进行一些修改：

def indices_array_generic(m,n):
    r0 = np.arange(m) # Or r0,r1 = np.ogrid[:m,:n], out[:,:,0] = r0
    r1 = np.arange(n)
    out = np.empty((m,n,2),dtype=int)
    out[:,:,0] = r0[:,None]
    out[:,:,1] = r1
    return out

注意：另外，请阅读本帖后面的2019年附录。使用大型

m

，

n

进行增压

样本运行-

In [145]: n = 3

In [146]: indices_array(n)
Out[146]: 
array([[[0, 0],
        [0, 1],
        [0, 2]],

       [[1, 0],
        [1, 1],
        [1, 2]],

       [[2, 0],
        [2, 1],
        [2, 2]]])

如果需要一个

2

columns

2D

数组，只需重新整形即可-

In [147]: indices_array(n).reshape(-1,2)
Out[147]: 
array([[0, 0],
       [0, 1],
       [0, 2],
       [1, 0],
       [1, 1],
       [1, 2],
       [2, 0],
       [2, 1],
       [2, 2]])

时间安排和核查-

In [141]: n = 100   
     ...: out1 = np.array(list(product(range(n), repeat=2))).reshape(n,n,2)
     ...: out2 = indices_array(n)
     ...: print np.allclose(out1, out2)
     ...: 
True

# @Ofek Ron's solution
In [26]: %timeit np.array(list(product(range(n), repeat=2))).reshape(n,n,2)
100 loops, best of 3: 2.69 ms per loop

In [27]: # @Brad Solomon's soln    
    ...: def ndindex_app(n):
    ...:    row, col = n,n
    ...:    return np.array(list(np.ndindex((row, col)))).reshape(row, col, 2)
    ...: 

# @Brad Solomon's soln 
In [28]: %timeit ndindex_app(n)
100 loops, best of 3: 5.72 ms per loop

# Proposed earlier in this post
In [29]: %timeit indices_array(n)
100000 loops, best of 3: 12.1 µs per loop

In [30]: 2690/12.1
Out[30]: 222.31404958677686

200x+

使用基于初始化的方法在

n=100

中加速

---

2019年补遗 我们也可以使用-

时间安排-

In [115]: %timeit indices_array_generic(1000,1000)
     ...: %timeit indices_array_generic_builtin(1000,1000)
100 loops, best of 3: 2.92 ms per loop
1000 loops, best of 3: 1.37 ms per loop

你想要的

---

单元索引是列表，我需要2d矩阵包含每个单元的单元索引。。。我同意这个结果是三维的，但这正是我需要的——它也比np.ndix快吗？@OfekRon为所有方法增加了计时。过来看！如果重新浇水的垫子不是正方形怎么办？e、 g给定行，列在ndindex？def create_索引（行，列）中计数：r=np.arange（行）c=np.arange（列）out=np.empty（（行，列，2），dtype=int）out[：，：，0]=r[：，None]out[：，：，1]=c打印输出返回out@OfekRon查看刚刚添加的

索引\u数组\u generic

。

In [115]: %timeit indices_array_generic(1000,1000)
     ...: %timeit indices_array_generic_builtin(1000,1000)
100 loops, best of 3: 2.92 ms per loop
1000 loops, best of 3: 1.37 ms per loop

def coords(row, col):
    return np.array(list(np.ndindex((row, col)))).reshape(row, col, 2)

coords(3, 2)
Out[32]: 
array([[[0, 0],
        [0, 1]],

       [[1, 0],
        [1, 1]],

       [[2, 0],
        [2, 1]]])