短版 欲操纵numpy的阵列(试验,见第一代码片段),使之成为重排(evenodd_single_column,见第二代码段)。我写了一个for循环,但由于我正在处理半大数据,如果有更好的方法来实现这一点,我会很高兴。操纵numpy的阵列
龙版 我写一个脚本,在一个点上我应该做以下操作一个numpy的阵列上:
test = np.arange(24).reshape(8,3)
test
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17],
[18, 19, 20],
[21, 22, 23]])
需要被转换成一个数组,取第一个X(时间点,在这个例子中2)从所有的列(实验,这里是3),并把它放在一个数组中。然后它转到所有列的下两个值并追加数组,直到所有迭代(y)结束。到底应该看起来像:
>>> evenodd_single_column
array([[ 0, 3],
[ 1, 4],
[ 2, 5],
[12, 15],
[13, 16],
[14, 17],
[ 6, 9],
[ 7, 10],
[ 8, 11],
[18, 21],
[19, 22],
[20, 23]])
要做到这一点,我不得不写一个for循环:
all_odd = []
all_even = []
x = 2
y = 4
test = np.arange(24).reshape(8,3)
counter = 0
for i in range(1, int(test.shape[0]/2)+1):
time_window = i * x
if math.modf(counter/2)[0] == 0:
for j in range(0, test.shape[1]):
all_even.extend(test[time_window - x:time_window, j])
else:
for j in range(0,test.shape[1]):
all_odd.extend(test[time_window - x:time_window, j])
counter = counter + 1
even_single_column_test = np.asarray(all_even).reshape((int(y/2 * test.shape[1]), x))
odd_single_column_test = np.asarray(all_odd).reshape((int(y/2 * test.shape[1]), x))
evenodd_single_column = even_single_column_test
evenodd_single_column = np.append(evenodd_single_column, odd_single_column_test).reshape(int(odd_single_column_test.shape[0]*2), x)
我的问题是:在此与优雅的一个(多完成重要的是 - 更快)numpy矩阵操纵?我不想绕过循环,使列表再次转换为numpy数组。
我不是一个程序员的培训,如果解决方案是显而易见的,我很抱歉!
谢谢!
回答做到了! 对于我编程水平上的人们的未来参考:) test.reshape(您分割数据的次数,通过列运行的次数除以2,从实例的每列取得的数据点的数量,总数初始栏的数量),休息保持不变。 (2,y/2,x,test.shape [1])。transpose(1,0,3,2).reshape(-1,2) – dtadres
精彩的解释在那里,谢谢! :)我解释所有这些与自己有关的操作相关的问题的方式是3个步骤:拆分,对齐变暗使它们在线性索引时相邻,重塑为预期格式。 – Divakar