在python中从1D数组创建矩阵数组

在python中，当元素被视为1D数组时，请帮助创建一个矩阵数组

例如： 这就是我要做的

import numpy as np

ele_1 = np.linspace(0,1,num= 50)
ele_2 = np.linspace(1,2,num= 50)
ele_3 = np.linspace(2,3,num= 50)
ele_4 = np.linspace(3,4,num= 50)

Mat_array = np.array([[ele_1,ele_2],[ele_2,ele_4]]) #This is giving me (2, 2, 50) array

预期输出：

array([matrix_1,matrix_2,.....]

这里的

矩阵i

是

数组（[[ele_1[i]，ele_2[i]]，[ele_3[i]，ele_4[i]]）

. 材料阵列必须是

（50，2，2，）

阵列

我想避免循环，这种方法也应该适用于任何nxn矩阵

---

谢谢你

我想这应该是你想要的，如果需要改变，请告诉我，很乐意帮助。此方法使用列表连接，不确定是否需要，但确实避免了for循环块

import numpy as np

n = 50

arr_1 = np.linspace(0,1,num=n)
arr_2 = np.linspace(1,2,num=n)
arr_3 = np.linspace(2,3,num=n)
arr_4 = np.linspace(3,4,num=n)

final_array = [[[arr_1[i],arr_2[i]],[arr_3[i],arr_4[i]]] for i in range(n)]

---

我认为这应该做你想要的，让我知道，如果它需要改变，高兴地帮助。此方法使用列表连接，不确定是否需要，但确实避免了for循环块

import numpy as np

n = 50

arr_1 = np.linspace(0,1,num=n)
arr_2 = np.linspace(1,2,num=n)
arr_3 = np.linspace(2,3,num=n)
arr_4 = np.linspace(3,4,num=n)

final_array = [[[arr_1[i],arr_2[i]],[arr_3[i],arr_4[i]]] for i in range(n)]

转置

可以将50放在第一位：

In [156]: Mat_array.transpose(2,0,1).shape                                              
Out[156]: (50, 2, 2)
In [157]: Mat_array = np.array([[ele_1,ele_2],[ele_3,ele_4]]).transpose(2,0,1)          
In [158]: timeit Mat_array = np.array([[ele_1,ele_2],[ele_3,ele_4]]).transpose(2,0,1)   
7.56 µs ± 51 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

在新的最后一个轴上使用

np.stack

的替代方法：

In [159]: res = np.stack([ele_1,ele_2,ele_3,ele_4],axis=1).reshape(-1,2,2)              
In [160]: np.allclose(res, Mat_array)                                                   
Out[160]: True
In [161]: timeit res = np.stack([ele_1,ele_2,ele_3,ele_4],axis=1).reshape(-1,2,2)       
16.9 µs ± 69.4 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

但速度较慢

速度较慢，尤其是在返回数组时。它迭代

n次

次：

In [162]: final_array = np.array([[[ele_1[i],ele_2[i]],[ele_3[i],ele_4[i]]] for i in ran
     ...: ge(n)])                                                                       
In [163]: np.allclose(final_array, Mat_array)                                           
Out[163]: True
In [164]: timeit final_array = np.array([[[ele_1[i],ele_2[i]],[ele_3[i],ele_4[i]]] for i
     ...:  in range(n)])                                                                
188 µs ± 373 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

转置

可以将50放在第一位：

In [156]: Mat_array.transpose(2,0,1).shape                                              
Out[156]: (50, 2, 2)
In [157]: Mat_array = np.array([[ele_1,ele_2],[ele_3,ele_4]]).transpose(2,0,1)          
In [158]: timeit Mat_array = np.array([[ele_1,ele_2],[ele_3,ele_4]]).transpose(2,0,1)   
7.56 µs ± 51 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

在新的最后一个轴上使用

np.stack

的替代方法：

In [159]: res = np.stack([ele_1,ele_2,ele_3,ele_4],axis=1).reshape(-1,2,2)              
In [160]: np.allclose(res, Mat_array)                                                   
Out[160]: True
In [161]: timeit res = np.stack([ele_1,ele_2,ele_3,ele_4],axis=1).reshape(-1,2,2)       
16.9 µs ± 69.4 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

但速度较慢

速度较慢，尤其是在返回数组时。它迭代

n次

次：

In [162]: final_array = np.array([[[ele_1[i],ele_2[i]],[ele_3[i],ele_4[i]]] for i in ran
     ...: ge(n)])                                                                       
In [163]: np.allclose(final_array, Mat_array)                                           
Out[163]: True
In [164]: timeit final_array = np.array([[[ele_1[i],ele_2[i]],[ele_3[i],ele_4[i]]] for i
     ...:  in range(n)])                                                                
188 µs ± 373 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

---

请正确格式化并再次提问。请正确格式化并再次提问。这是一个多么好的答案。我觉得这真的很有用。非常感谢S_Zizzle。非常好，速度非常快！非常感谢@S_Zizzle。多好的回答。我觉得这真的很有用。非常感谢S_Zizzle。非常好，速度非常快！非常感谢@S_Zizzle。回答得很好。正是我想要的。非常感谢@hpauljecellent的回答。正是我想要的。非常感谢@hpaulj