Python Numpy合并2列值

假设我有一个numpy数组：

[[3 2 1 5]
 [3 2 1 5]
 [3 2 1 5]
 [3 2 1 5]]

如何将最后一列的值合并到第一列（或将任意列合并到任意列）。预期产出：

[[8 2 1]
 [8 2 1]
 [8 2 1]
 [8 2 1]]

---

我找到了解决办法。但是，还有比这更好的方法吗？

我不知道这是否是最好的，但它有点聪明

In [66]: np.add.reduceat(arr[:,[0,3,1,2]], [0,2,3], axis=1)
Out[66]: 
array([[8, 2, 1],
       [8, 2, 1],
       [8, 2, 1]])

---

reduceat

将

add

应用于列组（轴1）。我首先对列进行了重新排序，以便将要添加的列放在一起。

根据注释，您需要创建数组的视图或副本，以便获得不同大小的新数组。这是查看与复制性能的简短比较：

x = np.tile([1,3,2,4],(4,1))
def f(x):
    # calculation + view
    x[:,0] = x[:,0] + x[:,-1]
    return x[:,:-1]

def g(x):
    # calculation + copy
    x[:,0] = x[:,0] + x[:,-1]
    return np.delete(x,-1, 1)

def h(x):
    #calculation only
    x[:,0] = x[:,0] + x[:,-1]

%timeit f(x)
%timeit g(x)
%timeit h(x)

9.16 µs ± 1.1 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)
35 µs ± 7.35 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
7.81 µs ± 1.42 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)

如果

len（x）

are=1M：

6.13 ms ± 623 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
18 ms ± 2.37 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
5.83 ms ± 720 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

---

因此，链接中的解决方案非常经济，它采用计算+即时视图。

链接的答案有什么问题？数组的大小是不可变的，因此必须创建不同大小的副本或视图。链接的解决方案使用通常比复制更快的视图，它可能工作得很好，而且可读性很好。“花哨”的NumPy OneLiner往往很快变得无法阅读……我不想在这里进行解构，但与“直接”解决方案相比，这读起来更复杂，执行速度也更慢。这是“不同的”，我给你，但更好的。。。？