Numpy：给定每个坐标矩阵分别构造点矩阵的替代方法

设x，y，z为矩阵表示，使得（x [i，j]，y [i，j]，z [i ，j]）对应某个点。Numpy：给定每个坐标矩阵分别构造点矩阵的替代方法

不是有3个变量，我们只想要一个变量（点），其中“点[i，j] =（x [i，j]，y [i，j]，z [i，j]） “和 ”点[I，J，0] = X [I，J]“

实施例：

import numpy as np 
x = np.array([[1, 1], 
       [2, 2]]) 
y = np.array([[1, 2], 
       [1, 2]]) 
z = np.array([[3, 4], 
       [5, 6]]) 
Points = np.array([[ [1, 1, 3], [1, 2, 4] ], 
        [2, 1, 5], [2, 2, 6] ]])

目前我已经想到了一些解决方案的：

第一解决方案：

from itertools import izip 
Temp_List=[] 
for xi, yi, zi in izip(x, y, z): 
    Temp_List.append([(xij, yij, zij) for xij, yij, zij in izip(xi, yi, zi)]) 
Points=np.array(Temp_List)

我知道拆包元组收拾一遍是不是很聪明，但为使其更具可读性，并准备下一个解决方案

第二个解决方案的缘故：＃一个班轮

from itertools import izip 
Points=np.array([zip(xi, yi, zi) for xi, yi, zi in izip(x,y,z)])

我非常喜欢这个选项。但是，在这个解决方案中，我关心可读性。也许这只是我，但我觉得列表理解在例子中产生类似于点的东西并不那么明显。除非你熟悉izip和zip之间的区别。

很明显，另一种解决方案是使用索引来遍历元素x，y和z，就像在其他语言中一样（对于我在xrange（...）中：对于在xrange（...）中的j：do stuff .. ）

结论：是否有另一种方法使用numpy函数（或不是）来改进可读性，内存消耗或性能，从x，y，z生成Points变量？

来源

2017-09-17 Yfir Cross

只需使用：'np.dstack（（x，y，z））'？ – Divakar

旧的'dstack'，'hstack'和'vstack'函数现在不赞成使用'stack'。在这种情况下'np.stack（[x，y，z]，axis = 2）' – MaxNoe

感谢这两个答案，正是我一直在寻找的！我对numpy还不是很熟悉。此外，我已经运行了一些测试，对于小型矩阵，性能大致相同，但是当使用更大的矩阵时，np.stack会压倒其他解决方案。从我在其他问题中读到的内容来看，它也应该更有记忆效率 –

您可以使用numpy的的stack功能：

import numpy as np 

x = np.array([ 
    [1, 1], 
    [2, 2], 
]) 

y = np.array([ 
    [1, 2], 
    [1, 2], 
]) 

z = np.array([ 
    [3, 4], 
    [5, 6], 
]) 


points = np.stack([x, y, z], axis=2)

stack与axis关键字新陈代谢vstack，hstack和dstack功能，目前已过时。

来源

2017-09-17 20:14:52 MaxNoe

Numpy：给定每个坐标矩阵分别构造点矩阵的替代方法

回答

相关问题