Python：将并行数组重塑为训练集

我有两个使用meshgrid创建的并行阵列：

现在我想将其转换为NN的（Xn*Yn，2）形状的训练集：

[[x_1, y_1], [x_2, y_2], ..., [x_m, y_m]]

(where m = Xn * Yn)

---

怎么做？

您可以尝试

重塑

和

堆叠

，使用

重塑

函数将X和Y转换为一列2D数组（（Xn，1）代表X，（Yn，1）代表Y），然后水平堆叠：

X, Y = np.meshgrid([1,2], [3,4,5])    
np.hstack([X.reshape(-1, 1), Y.reshape(-1, 1)])

#array([[1, 3],
#       [2, 3],
#       [1, 4],
#       [2, 4],
#       [1, 5],
#       [2, 5]])

或者@Denis提到的另一个选项：

np.stack((X.ravel(), Y.ravel()), axis=-1)

至于速度，这两个选项具有可比性：

X, Y = np.meshgrid(np.arange(1000), np.arange(1000))

%timeit np.hstack([X.reshape(-1, 1), Y.reshape(-1, 1)])
#100 loops, best of 3: 4.77 ms per loop

%timeit np.stack((X.ravel(), Y.ravel()), axis=-1)
#100 loops, best of 3: 4.89 ms per loop

np.stack（（X，Y），axis=-1）？@MaxChrétien I制作（Xn，Yn，2）形状的数组-不是我需要的。工作正常。XY_train=np.stack（（X.ravel（），Y.ravel（）），axis=-1）是等效的吗？

X, Y = np.meshgrid(np.arange(1000), np.arange(1000))

%timeit np.hstack([X.reshape(-1, 1), Y.reshape(-1, 1)])
#100 loops, best of 3: 4.77 ms per loop

%timeit np.stack((X.ravel(), Y.ravel()), axis=-1)
#100 loops, best of 3: 4.89 ms per loop