是否有内置函数将两个1D阵列连接到2D阵列中?
考虑一个例子:

X=np.array([1,2])
y=np.array([3,4])
result=np.array([[1,3],[2,4]])


我可以想到2个简单的解决方案。
第一个非常简单。

np.transpose([X,y])


另一个使用lambda函数。

np.array(list(map(lambda i: [a[i],b[i]], range(len(X)))))


尽管第二个看起来更复杂,但它的速度似乎几乎是第一个的两倍。

编辑
第三种解决方案涉及zip()函数。

np.array(list(zip(X, y)))


它比lambda函数快,但比@Divakar建议的column_stack解决方案慢。

np.column_stack((X,y))

最佳答案

考虑可伸缩性。如果我们增加数组的大小,那么完整的numpy命令解决方案会更快:

np.random.seed(1234)
X = np.random.rand(10000)
y = np.random.rand(10000)

%timeit np.array(list(map(lambda i: [X[i],y[i]], range(len(X)))))
6.64 ms ± 32.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit np.array(list(zip(X, y)))
4.53 ms ± 33.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit np.column_stack((X,y))
19.2 µs ± 30.5 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit np.transpose([X,y])
16.2 µs ± 247 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%timeit np.vstack((X, y)).T
14.2 µs ± 94.5 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)


考虑到所有建议的解决方案,当增加数组大小为np.vstack(X,y).TX时,y是最快的。

09-25 17:44