Python 将结果存储为大数组的元组

要按列计算最小值：

import numpy as np
from scipy import signal

d0 = np.random.random_integers(10, 12, (5,5))
d1 = np.random.random_integers(1, 3, (5,5))
d2 = np.random.random_integers(4, 6, (5,5))
d3 = np.random.random_integers(7, 9, (5,5))
d4 = np.random.random_integers(1, 3, (5,5))
d5 = np.random.random_integers(13, 15, (5,5))

data = np.array([d0,d1,d2,d3,d4,d5])

data = data.reshape(6,25)


data = data.T

希望以原始数据的形式存储结果

minimas =[]
for x in data:
    minima = (signal.argrelmin(x, axis=0))
    minimas.append(x[minima])

但是

是否可以将结果存储为大型数组的元组？

---

希望知道是否有更有效的方法来解决此问题。

minimas

是25个数组的列表（每个数组的形状

（2，）

）<代码>np。数组（极小值）具有形状

（25,2）

工作

您可以使用

dtype=object

将

minimas

打包到一个数组中：

np.array(minimas).reshape(5,5,2)

---

如果

minimas

中的数组大小不同，则该数组将自动具有类型

对象

minarray = np.empty((5,5),dtype=object) # initialize an empty array of 'objects'
minarray[:] = [tuple(m) for m in minimas]
minarray.reshape(5,5)

array([[(1, 2), (1, 1), (2, 2), (2, 2), (3, 3)],
...
       [(3, 2), (1, 2), (1, 1), (1, 2), (2, 3)]], dtype=object)

产生

minimas[-1] = np.array([1,2,3]) # tweak data so there is some length variation
minimas = [tuple(row) for row in minimas]
np.array(minimas)

可以

重塑（5,5）

---

如果

minimas

中的数组长度都相同，则

np.array（minimas）

生成一个最终大小为2维的数组。这就是为什么我必须初始化所需类型的

minarray

数组，并在其中插入

minimas

。这是我在回答其他SO问题时学到的

numpy

的一个模糊部分。

您需要将每个项目转换为列表，然后使用列表切片，您可以索引您需要的任何值

array([(1, 2), (1, 1), (2, 2), (2, 2), (3, 3), (2, 1), (3, 2), (3, 3),
       (1, 2), (2, 3), (1, 2), (2, 3), (2, 2), (1, 2), (3, 3), (2, 2),
       (1, 3), (3, 1), (3, 2), (2, 1), (3, 2), (1, 2), (1, 1), (1, 2),
       (1, 2, 3)], dtype=object)  # shape=(25,)

---

你想找什么？每列的最小值？是的，每列的最小值我想将其存储为元组，这样我可以分离属于每列的最小值，因为每列的最小值可能有不同的数目。每列的最小值的数目在我处理的数据中可能不同，我需要存储所有的最小值，我认为它是元组。还有别的好办法吗。无论如何，我必须将所有计算出的最小值分别存储到每一列。我无法理解您的代码。什么是x？x和我在数据中使用的x相同吗…？？我添加了一些注释。如果最小值的数目不同，则数组将自动具有

dtype=object

。但在您的示例中，最小值的数量都是相同的，需要一些额外的代码来生成元组数组。谢谢您的努力。但最小值和最小值之间存在差异，因为最小值指的是曲线的最小点，在我的问题中，每列有两个最小值。我想将问题中从for循环接收到的值存储为元组，以便每列的最小值位于单独的元组中

np.array（tup）

已经是

（25,2）

。不需要重塑，除非它是

（5,5,2）

。

minimas[-1] = np.array([1,2,3]) # tweak data so there is some length variation
minimas = [tuple(row) for row in minimas]
np.array(minimas)

array([(1, 2), (1, 1), (2, 2), (2, 2), (3, 3), (2, 1), (3, 2), (3, 3),
       (1, 2), (2, 3), (1, 2), (2, 3), (2, 2), (1, 2), (3, 3), (2, 2),
       (1, 3), (3, 1), (3, 2), (2, 1), (3, 2), (1, 2), (1, 1), (1, 2),
       (1, 2, 3)], dtype=object)  # shape=(25,)

import numpy as np
from scipy import signal

d0 = np.random.random_integers(10, 12, (5, 5))
d1 = np.random.random_integers(1, 3, (5, 5))
d2 = np.random.random_integers(4, 6, (5, 5))
d3 = np.random.random_integers(7, 9, (5, 5))
d4 = np.random.random_integers(1, 3, (5, 5))
d5 = np.random.random_integers(13, 15, (5, 5))

data = np.array([d0, d1, d2, d3, d4, d5])

data = data.reshape(6, 25)

data = data.T

minimas = []
for x in data:
    minima = (signal.argrelmin(x, axis=0))
    minimas.append(x[minima])
tup = list(a.tolist() for a in minimas)
ab = (np.array(tup).reshape(25, 2))
print(ab[0]) #[3 1]