重复数组的每一个值的两倍（numpy的）

让A是numpy的阵列，如：重复数组的每一个值的两倍（numpy的）

A = np.array([1, 2, 3, 4, 5])

我想找到生产与每个值的新阵列的更清洁的方式重复了两次：

B = np.array([1, 1, 2, 2, 3, 3, 4, 4, 5, 5])

您认为这是更简单的方法吗？

import numpy as np 
B = np.tile(A,2).reshape(2,-1).flatten('F')

来源

2014-02-21 Basj

您可以使用numpy.column_stack和numpy.ndarray.flatten：

In [12]: numpy.column_stack((A, A)).flatten()              
Out[12]: array([1, 1, 2, 2, 3, 3, 4, 4, 5, 5])

时机比较：

In [27]: A = numpy.array([1, 2, 3, 4, 5]*1000)             

In [28]: %timeit numpy.column_stack((A, A)).flatten()            
10000 loops, best of 3: 44.7 µs per loop               

In [29]: %timeit numpy.repeat(A, 2)                
10000 loops, best of 3: 104 µs per loop               

In [30]: %timeit numpy.tile(A,2).reshape(2,-1).flatten('F')          
10000 loops, best of 3: 129 µs per loop

来源

2014-02-21 10:33:27

谢谢你的时间比较。你还可以粘贴完整的代码进行时间比较吗？（带'import timeit'等） – Basj

@Basj这就是整个代码:)，我用这个[IPython shell]（http://ipython.org/ipython-doc/dev/interactive/shell.html）。您也可以在线尝试：https://www.pythonanywhere.com/try-ipython/ –

不知道为什么，但我得到了不同的时间顺序（对于x10尺寸A）： In [19]：％ timeit numpy.column_stack（（A，A））。flatten（） 1000个循环，最好是3：每个循环657 us In [20]：％timeit numpy.tile（A，2）.reshape（2， - 1）.flatten（'F'） 1000循环，最好为3：574 us每个循环 –

使用repeat()

In [1]: import numpy as np 

In [2]: A = np.array([1, 2, 3, 4, 5]) 

In [3]: np.repeat(A,2) 
Out[3]: array([1, 1, 2, 2, 3, 3, 4, 4, 5, 5])

来源

2014-02-21 10:33:32

如果你需要在一个时间关键区域做此操作，下面的代码是最快的（使用numpy的1.9开发版）：

In [1]: A = numpy.array([1, 2, 3, 4, 5]*1000) 
In [2]: %timeit numpy.array([A, A]).T.ravel('F') 
100000 loops, best of 3: 6.44 µs per loop

需要注意的是扁平化将使额外的副本，所以拉威尔应改为使用。

如果你喜欢的可读性，在column_stack和重复功能更好：

In [3]: %timeit numpy.column_stack((A, A)).ravel() 
100000 loops, best of 3: 15.4 µs per loop 

In [4]: timeit numpy.repeat(A, 2) 
10000 loops, best of 3: 53.9 µs per loop

来源

2014-02-22 12:49:02 pch

重复数组的每一个值的两倍（numpy的）

回答

相关问题