NumPy列表理解句法

Question

我希望能够使用列表理解语法轻松处理NumPy数组。例如，我想像下面明显错误的代码来重现相同的数组。

>>> X = np.random.randn(8,4) 
>>> [[X[i,j] for i in X] for j in X[i]] 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
IndexError: arrays used as indices must be of integer (or boolean) type 

什么是简单的方法来做到这一点，以避免使用range(len(X)？

Answer 1

你的意思是以下吗？

>>> [[X[i,j] for j in range(X.shape[1])] for i in range(X.shape[0])] 
[[0.62757350000000001, -0.64486080999999995, -0.18372566000000001, 0.78470704000000002], 
[1.78209799, -1.336448459999999 9, -1.3851422200000001, -0.49668994], 
[-0.84148266000000005, 0.18864597999999999, -1.1135151299999999, -0.40225053999999 999], 
[0.93852824999999995, 0.24652238000000001, 1.1481637499999999, -0.70346624999999996], 
[0.83842508000000004, 1.0058 697599999999, -0.91267403000000002, 0.97991269000000003], 
[-1.4265273000000001, -0.73465904999999998, 0.6684284999999999 8, -0.21551155], 
[-1.1115614599999999, -1.0035033200000001, -0.11558254, -0.4339924], 
[1.8771354, -1.0189299199999999, - 0.84754008000000003, -0.35387946999999997]] 

使用numpy.ndarray.copy：

>>> X.copy() 
array([[ 0.6275735 , -0.64486081, -0.18372566, 0.78470704], 
     [ 1.78209799, -1.33644846, -1.38514222, -0.49668994], 
     [-0.84148266, 0.18864598, -1.11351513, -0.40225054], 
     [ 0.93852825, 0.24652238, 1.14816375, -0.70346625], 
     [ 0.83842508, 1.00586976, -0.91267403, 0.97991269], 
     [-1.4265273 , -0.73465905, 0.6684285 , -0.21551155], 
     [-1.11156146, -1.00350332, -0.11558254, -0.4339924 ], 
     [ 1.8771354 , -1.01892992, -0.84754008, -0.35387947]]) 

Answer 2

首先，你不应该使用NumPy的数组作为列表的列表来。

其次，让我们忘记NumPy;你的listcomp首先没有任何意义，即使是列表清单。

在内部理解中，for i in X将遍历X中的行。这些行不是数字，它们是列表（或NumPy中的1D数组），因此X[i]没有任何意义。您可能需要改为i[j]。

在外围理解中，for j in X[i]有同样的问题，但是有更大的问题：没有i的值。你有理解循环每个i里面这个理解。

如果你被一个理解困惑，写出来作为一个明确的for声明，作为List Comprehensions教程部分解释：

tmp = [] 
for j in X[i]: 
    tmp.append([X[i,j] for i in X]) 

...这将扩展为：

tmp = [] 
for j in X[i]: 
    tmp2 = [] 
    for i in X: 
     tmp2.append(X[i,j]) 
    tmp.append(tmp2) 

......这应该明显表明这里有什么问题。

---

我想你想要的是：

[[cell for cell in row] for row in X] 

再次，把它放回明确for声明：

tmp = [] 
for row in X; 
    tmp2 = [] 
    for cell in row: 
     tmp2.append(cell) 
    tmp.append(tmp2) 

这显然正确的。

或者，如果你真的想使用索引（但你不知道）：

[[X[i][j] for j in range(len(X[i]))] for i in range(len(X))] 

---

所以，回到NumPy的。在NumPy的条款，即最后一个版本是：

[[X[i,j] for j in range(X.shape[1])] for i in range(x.shape[0])] 

...如果你想在列优先的顺序，而不是行主要去了，你可以（不像列表的列表）：

[[X[i,j] for i in range(X.shape[0])] for j in range(x.shape[1])] 

...但这当然会改变阵列，这不是你想要做的。

你做的一件事不能在同一个表达式中混列专业和行专业的次序，因为你最终是废话。

---

当然的正确的方式，使一个数组的副本是使用copy方法：

X.copy() 

正如移调数组的正确方法是：

X.T 

Answer 3

简单的方法是不要这样做。改用numpy的隐式矢量化。举例来说，如果你有数组a和b如下：

A = numpy.array([[1, 3, 5], 
       [2, 4, 6], 
       [9, 8, 7]]) 
B = numpy.array([[5, 3, 5], 
       [3, 5, 3], 
       [5, 3, 5]]) 

然后使用列表理解下面的代码：

C = numpy.array([[A[i, j] * B[i, j] for j in xrange(A.shape[1])] 
       for i in xrange(A.shape[0])]) 

可以更容易写成

C = A * B 

它也会跑得快得多。通常，如果您不使用numpy进行列表推导，那么您将生成更快，更清晰的代码。

如果你真的想使用列表解析，标准的Python列表理解写入技术适用。遍历元素，而不是指数：

C = numpy.array([[a*b for a, b in zip(a_row, b_row)] 
       for a_row, b_row in zip(A, B)] 

因此，您的示例代码将成为

numpy.array([[elem for elem in x_row] for x_row in X]) 

Answer 4

另一种选择（尽管不一定高性能）是重新考虑你的问题，因为一个地图，而不是一个修真谱写ufunc：

http://docs.scipy.org/doc/numpy/reference/ufuncs.html

你可以打电话功能，精简版程序，如：

http://docs.scipy.org/doc/numpy/reference/generated/numpy.apply_over_axes.html http://docs.scipy.org/doc/numpy/reference/generated/numpy.vectorize.html

等等