Python 将for循环结果转换为numpy数组

我想创建一个包含17个元素的数组，这些元素以1开头，其他数字都是其前面值的两倍

到目前为止，我得到的是：

import numpy as np


array = np.zeros(shape=17)

array[0]=1

x = 1

for i in array:
    print(x)
    x *= 2

print(array)

我得到的是：

1
2
4
8
16
32
64
128
256
512
1024
2048
4096
8192
16384
32768
65536
[1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

我想要的是：

[1.2.4.8.16.32.64.128.256.512.1024.2048.4096.8192.16384.32768.65536]

---

您需要重新分配该值

import numpy as np


array = np.zeros(shape=17, dtype="int")

x = 1

for i in range(len(array)):
    array[i] = x
    print(x)
    x *= 2

>>> print(array)
[    1     2     4     8    16    32    64   128   256   512  1024  2048
  4096  8192 16384 32768 65536]

---

使用如下所示的numpy矢量化将更有效

将numpy作为np导入 n=17 三角形=np.trin，n，-1，dtype=np.int64+1 三角形.cumprodaxis=1[：，-1] 解释

np.trin，n，dtype=np.int64将创建一个三角形矩阵，其值在对角线处和下方为1，在其他位置为0

np.trin，n，-1，dtype=np.int64将三角形矩阵移动一行，使第一行全部为零

np.trin，n，-1，dtype=np.int64+1将0更改为1s，1s更改为2s

---

在最后一步，使用cumprod并取最后一列，这是我们的答案，因为它将是0,1,2。。。n 2与剩余的1有一个函数

np.logspace(0,16,17,base=2,dtype=int)
# array([    1,     2,     4,     8,    16,    32,    64,   128,   256,
#          512,  1024,  2048,  4096,  8192, 16384, 32768, 65536])

备选方案：

1<<np.arange(17)
2**np.arange(17)
np.left_shift.accumulate(np.ones(17,int))
np.repeat((1,2),(1,16)).cumprod()
np.vander([2],17,True)[0]
np.ldexp(1,np.arange(17),dtype=float)

from scipy.sparse import linalg,diags
linalg.spsolve(diags([(1,),(-2,)],(0,-1),(17,17)),np.r_[:17]==0    
np.packbits(np.identity(32,'?')[:17],1,'little').view('<i4').T[0] 
np.ravel_multi_index(np.identity(17,int)[::-1],np.full(17,2))
np.where(np.sum(np.ix_(*17*((0,1),))).reshape(-1)==1)[0]

愚蠢的选择：

1<<np.arange(17)
2**np.arange(17)
np.left_shift.accumulate(np.ones(17,int))
np.repeat((1,2),(1,16)).cumprod()
np.vander([2],17,True)[0]
np.ldexp(1,np.arange(17),dtype=float)

from scipy.sparse import linalg,diags
linalg.spsolve(diags([(1,),(-2,)],(0,-1),(17,17)),np.r_[:17]==0    
np.packbits(np.identity(32,'?')[:17],1,'little').view('<i4').T[0] 
np.ravel_multi_index(np.identity(17,int)[::-1],np.full(17,2))
np.where(np.sum(np.ix_(*17*((0,1),))).reshape(-1)==1)[0]