numpy的阵列排列矩阵

问题描述

  np.array（[1,2,3]）
 

我有numpy的数组。我希望把它变成每1元组numpy的阵列：1置换。像这样的：

  np.array（[
    [（1,1），（1,2），（1,3）]，
    [（2,1），（2,2），（2,3）]，
    [（3,1），（3,2），（3,3）]，
]）
 

就如何有效地做到这一点有什么想法？我需要做此操作了几百万次。

解决方案

如果您正在使用numpy的工作，不与元组。利用其权力和增加大小是2的另一个方面。
我的建议是：

  X = np.array（[1,2,3]）
np.vstack（（np.vstack（（X，X，X））]，[np.vstack（（X，X，X））。T]））：T
 

或

  IM = np.vstack（（X，X，X））
np.vstack（（[IM]，[im.T））：T
 

而对于一般的数组：

 九= np.vstack（[X为_范围内（x.shape [0]）]）
返回np.vstack（（[九]，[ix.T））：T
 

这会产生你想要什么：

 阵列（[[[1,1]
        [1，2]，
        [1，3]]       [[2，1]，
        [2，2]，
        [2，3]]       [[3,1]
        [3，2]，
        [3,3]]]）
 

但作为一个三维矩阵，如在看它的形状，当你可以看到：

 出[25]：（3L，3L，2L）
 

这是比排列为数组大小获取的更大的解决方案更有效。时序我反对@ Kasra的产量1ms的解决方案，矿山与46ms为一个与排列尺寸为100的数组@ AshwiniChaudhary的解决方案是更有效的，但。

np.array([1,2,3])

I've got numpy array. I would like to turn it into a numpy array with tuples of each 1:1 permutation. Like this:

np.array([
    [(1,1),(1,2),(1,3)],
    [(2,1),(2,2),(2,3)],
    [(3,1),(3,2),(3,3)],
])

Any thoughts on how to do this efficiently? I need to do this operation a few million times.

解决方案

If you're working with numpy, don't work with tuples. Use its power and add another dimension of size two.My recommendation is:

x = np.array([1,2,3])
np.vstack(([np.vstack((x, x, x))], [np.vstack((x, x, x)).T])).T

or:

im = np.vstack((x, x, x))
np.vstack(([im], [im.T])).T

And for a general array:

ix = np.vstack([x for _ in range(x.shape[0])])
return np.vstack(([ix], [ix.T])).T

This will produce what you want:

array([[[1, 1],
        [1, 2],
        [1, 3]],

       [[2, 1],
        [2, 2],
        [2, 3]],

       [[3, 1],
        [3, 2],
        [3, 3]]])

But as a 3D matrix, as you can see when looking at its shape:

Out[25]: (3L, 3L, 2L)

This is more efficient than the solution with permutations as the array size get's bigger. Timing my solution against @Kasra's yields 1ms for mine vs. 46ms for the one with permutations for an array of size 100. @AshwiniChaudhary's solution is more efficient though.

这篇关于numpy的阵列排列矩阵的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！