如何使用numpy/scipy将具有不同大小的子列表的嵌套列表平铺?速度非常重要,名单很大。将变量大小的子列表的嵌套列表拼合成SciPy数组
lst = [[1, 2, 3, 4],[2, 3],[1, 2, 3, 4, 5],[4, 1, 2]]
比这更快吗?
vec = sp.array(list(*chain(lst)))
如何使用numpy/scipy将具有不同大小的子列表的嵌套列表平铺?速度非常重要,名单很大。将变量大小的子列表的嵌套列表拼合成SciPy数组
lst = [[1, 2, 3, 4],[2, 3],[1, 2, 3, 4, 5],[4, 1, 2]]
比这更快吗?
vec = sp.array(list(*chain(lst)))
如何np.fromiter:
In [49]: %timeit np.hstack(lst*1000)
10 loops, best of 3: 25.2 ms per loop
In [50]: %timeit np.array(list(chain.from_iterable(lst*1000)))
1000 loops, best of 3: 1.81 ms per loop
In [52]: %timeit np.fromiter(chain.from_iterable(lst*1000), dtype='int')
1000 loops, best of 3: 1 ms per loop
vec = sp.array(list(chain.from_iterable(lst)))
这避免了使用*
这是相当昂贵的处理,如果迭代有很多子列表。
的其他选项力量是sum
名单:
vec = sp.array(sum(lst, []))
不过请注意,这将导致quadratic reallocation。像这样的东西进行多更好:
def sum_lists(lst):
if len(lst) < 2:
return sum(lst, [])
else:
half_length = len(lst) // 2
return sum_lists(lst[:half_length]) + sum_lists(lst[half_length:])
在我的机器,我得到:
>>> L = [[random.randint(0, 500) for _ in range(x)] for x in range(10, 510)]
>>> timeit.timeit('sum(L, [])', 'from __main__ import L', number=1000)
168.3029818534851
>>> timeit.timeit('sum_lists(L)', 'from __main__ import L,sum_lists', number=1000)
10.248489141464233
>>> 168.3029818534851/10.248489141464233
16.422223757114615
正如你可以看到,16倍加速。 chain.from_iterable
更快:
>>> timeit.timeit('list(itertools.chain.from_iterable(L))', 'import itertools; from __main__ import L', number=1000)
1.905594825744629
>>> 10.248489141464233/1.905594825744629
5.378105042586658
其他6倍加速。
我寻找一个“纯python”的解决方案,不知道numpy。我相信 Abhijit unutbu/senderle的解决方案是你的方式。
您可以尝试numpy.hstack
>>> lst = [[1, 2, 3, 4],[2, 3],[1, 2, 3, 4, 5],[4, 1, 2]]
>>> np.hstack(lst)
array([1, 2, 3, 4, 2, 3, 1, 2, 3, 4, 5, 4, 1, 2])
如何努力:
np.hstack(lst)
创建numpy的阵列从一个迭代器是最快的方法使用numpy.fromiter
:
>>> %timeit numpy.fromiter(itertools.chain.from_iterable(lst), numpy.int64)
100000 loops, best of 3: 3.76 us per loop
>>> %timeit numpy.array(list(itertools.chain.from_iterable(lst)))
100000 loops, best of 3: 14.5 us per loop
>>> %timeit numpy.hstack(lst)
10000 loops, best of 3: 57.7 us per loop
正如您所看到的,这比转换为列表要快,且比hstack
快得多。
使用功能扁平化列表
>>> flatten = lambda x: [y for l in x for y in flatten(l)] if type(x) is list else [x]
>>> flatten(lst)