将变量大小的子列表的嵌套列表拼合成SciPy数组

Question

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。

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))) 

Answer 1

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 

Answer 2

使用chain.from_iterable：

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。

Answer 3

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]) 

Answer 4

如何努力：

np.hstack(lst) 

Answer 5

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。

Answer 6

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)