Python 按顺序排列的Numpy并集数组

我有三个不同的numpy阵列

a = array([ 0,  3,  6,  9, 12])
b = array([ 1,  4,  7, 10, 13])
c = array([ 2,  5,  8, 11, 14])

我如何使用numpy方法加入他们

d = array[(0,1,2,3,4,...,12,13,14)]

我不想写这样的循环

for i in range(len(a)):
 [...]

---

这只是我项目中的一个例子，数组没有排序，我想保持它们的顺序

您可以转置和展平阵列：

d = numpy.array([a, b, c]).T.flatten()

组合阵列的另一种方法是使用

numpy.vstack（）

：

（顺便说一下，我不知道哪一个更快。）

编辑：为了响应，下面介绍如何仅复制一次数据：

d = numpy.empty((len(a), 3), dtype=a.dtype)
d[:, 0], d[:, 1], d[:, 2] = a, b, c
d = d.ravel()

此代码确保以

ravel（）

不需要复制，而且确实比我机器上的原始代码快很多：

In [1]: a = numpy.arange(0, 30000, 3)
In [2]: b = numpy.arange(1, 30000, 3)
In [3]: c = numpy.arange(2, 30000, 3)
In [4]: def f(a, b, c):
   ...:     d = numpy.empty((len(a), 3), dtype=a.dtype)
   ...:     d[:, 0], d[:, 1], d[:, 2] = a, b, c
   ...:     return d.ravel()
   ...: 
In [5]: def g(a, b, c):
   ...:     return numpy.vstack((a, b, c)).T.ravel()
   ...: 
In [6]: %timeit f(a, b, c)
10000 loops, best of 3: 34.4 us per loop
In [7]: %timeit g(a, b, c)
10000 loops, best of 3: 177 us per loop

您可以使用：

d = np.vstack((a, b, c)).T.ravel()

这样可以在.flatte（）上保存一个副本，因此在大型阵列上可以更快

编辑：如Sven Marnach所述，在这种情况下不保存副本

由于某些原因，vstack比array快：

In [1]: a = ones(1e4)

In [2]: b = ones(1e4)

In [3]: c = ones(1e4)

In [4]: %timeit np.vstack((a, b, c)).T.ravel()
1000 loops, best of 3: 265 us per loop

In [5]: %timeit np.vstack((a, b, c)).T.flatten()
1000 loops, best of 3: 268 us per loop

In [6]: %timeit np.array((a, b, c)).T.ravel()
100 loops, best of 3: 5.24 ms per loop

In [7]: def test(a, b, c):
    d = numpy.empty((len(a), 3), dtype=a.dtype)
    d.T[:] = a, b, c
    d = d.ravel()
    return d

In [8]: %timeit test(a, b, c)
100 loops, best of 3: 5.06 ms per loop

In [9]: def test2(a, b, c):
            d = np.empty((len(a), 3), dtype=a.dtype)
            d[:, 0], d[:, 1], d[:, 2] = a, b, c
            d = d.ravel()
            return d

In [9]: %timeit test2(a, b, c)
10000 loops, best of 3: 69.8 us per loop

试试看

reduce (numpy.union1d, (a, b, c))

---

在这种情况下，使用

ravel（）

不会保存副本，因为数据在内存中的排列顺序不正确。使用

vstack（）

后，无法避免此副本。当前答案中的代码（我的和你的）总共有两份。这可以通过另一个技巧简化为一个副本–我将在我的答案中添加一些代码。我不确定为什么分配给

d.T[：]

会这么慢。使用

d[：，0]，d[：，1]，d[：，2]

作为分配目标，而不是在我的机器上将代码速度提高40倍–我再次更新了答案。：）你完全正确。不幸的是，您的新实现并不比第一个vstack+flant/ravel快。事实上，您的上一个版本是：）

reduce (numpy.union1d, (a, b, c))