如何使用numpy构建两个数组的所有组合的数组？
如何使用numpy构建两个数组的所有组合的数组？
提问于 2018-03-26 08:13:59
我试着通过6参数函数的参数空间来研究它的数值行为，然后再尝试做任何复杂的事情，所以我正在寻找一种有效的方法。
首先，我创建了一个函数，该函数接受两个数组，并生成一个数组，其中包含两个数组的所有值组合。
from numpy import *
def comb(a,b):
c = []
for i in a:
for j in b:
c.append(r_[i,j])
return c然后我用reduce()若要将此应用于同一个数组的m个副本，请执行以下操作：
def combs(a,m):
return reduce(comb,[a]*m)然后我这样评价我的功能：
values = combs(np.arange(0,1,0.1),6)
for val in values:
print F(val)这个很管用，但太慢了。我知道参数的空间很大，但这不应该太慢。在这个例子中，我只采样了106个(100万)点，仅仅创建数组就需要超过15秒的时间。values。
你知道用Numpy做这件事的更有效的方法吗？
回答 2
Stack Overflow用户
发布于 2018-03-26 16:38:13
这里是一个纯非常规的实现。是卡。比使用迭代工具快5×10。
import numpy as np
def cartesian(arrays, out=None):
"""
Generate a cartesian product of input arrays.
Parameters
----------
arrays : list of array-like
1-D arrays to form the cartesian product of.
out : ndarray
Array to place the cartesian product in.
Returns
-------
out : ndarray
2-D array of shape (M, len(arrays)) containing cartesian products
formed of input arrays.
Examples
--------
>>> cartesian(([1, 2, 3], [4, 5], [6, 7]))
array([[1, 4, 6],
[1, 4, 7],
[1, 5, 6],
[1, 5, 7],
[2, 4, 6],
[2, 4, 7],
[2, 5, 6],
[2, 5, 7],
[3, 4, 6],
[3, 4, 7],
[3, 5, 6],
[3, 5, 7]])
"""
arrays = [np.asarray(x) for x in arrays]
dtype = arrays[0].dtype
n = np.prod([x.size for x in arrays])
if out is None:
out = np.zeros([n, len(arrays)], dtype=dtype)
m = n / arrays[0].size
out[:,0] = np.repeat(arrays[0], m)
if arrays[1:]:
cartesian(arrays[1:], out=out[0:m,1:])
for j in xrange(1, arrays[0].size):
out[j*m:(j+1)*m,1:] = out[0:m,1:]
return outStack Overflow用户
发布于 2018-03-26 18:11:26
在更新版本中numpy(>1.8.x)，np.meshgrid提供一个更快的实现：
@PV溶液
In [113]:
%timeit cartesian(([1, 2, 3], [4, 5], [6, 7]))
10000 loops, best of 3: 135 µs per loop
In [114]:
cartesian(([1, 2, 3], [4, 5], [6, 7]))
Out[114]:
array([[1, 4, 6],
[1, 4, 7],
[1, 5, 6],
[1, 5, 7],
[2, 4, 6],
[2, 4, 7],
[2, 5, 6],
[2, 5, 7],
[3, 4, 6],
[3, 4, 7],
[3, 5, 6],
[3, 5, 7]])numpy.meshgrid过去是2D的，现在它可以实现ND了。在这种情况下，3D：
In [115]:
%timeit np.array(np.meshgrid([1, 2, 3], [4, 5], [6, 7])).T.reshape(-1,3)
10000 loops, best of 3: 74.1 µs per loop
In [116]:
np.array(np.meshgrid([1, 2, 3], [4, 5], [6, 7])).T.reshape(-1,3)
Out[116]:
array([[1, 4, 6],
[1, 5, 6],
[2, 4, 6],
[2, 5, 6],
[3, 4, 6],
[3, 5, 6],
[1, 4, 7],
[1, 5, 7],
[2, 4, 7],
[2, 5, 7],
[3, 4, 7],
[3, 5, 7]])注意，最终结果的顺序略有不同。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/-100007793
复制相关文章
相似问题