没有对齐的元素Efficent插入一个numpy的阵列 [英] Efficent insertion of not aligned elements in a numpy array
问题描述
我使用numpy的 1.9 在一组阵列的工作。假设我有类似的东西，我有两个二维数组 A 和 B 和一维数组<$ C $ ç> C ，这看起来像：
＆GT;＆GT;＆GT;一个
阵列（[1，1，1，1，1]
[1，1，1，1，1]
[1，1，1，1，1]
[1，1，1，1，1]
[1.，1。，1.，1.，1。]]）
＆GT;＆GT;＆GT;乙
阵列（[[ - 。。1，-1，-1，-1，-1]，
[-1，-1，-1，-1，-1]，
[-1，-1，-1，-1，-1]，
[-1，-1，-1，-1，-1]，
[-1，-1，-1，-1，-1]]）
＆GT;＆GT;＆GT; C
阵列（[1,3，2，4，0]）
我的目标是从B A的所有元素插入，按C.更具体地讲，如果C位置0有一个1，B [0,1]应该是[0,1]。
下面是预期的结果是：
阵列（[1,1，-1，1，1，1]，
[1，1，1，1，-1，1]，
[1，1，1，-1，1，1]，
[1，1，1，1，1，-1]，
[1，-1，1，1，1，1]]）
我想实现它这样的，但它不是非常快：
对我的xrange（尺寸（C，0））：
J = C [I]
A [我：] = numpy.insert（A [I]，J，B [I，J]）
有一种方法，使其更快？ （跟单操作numpy的做到这一点，像面具或类似的东西）
如何讨厌单行？
首先，数据;该阵列具有相同的形状是你的，但我已经用整数使例子更易于阅读。
在[81]：一
出[81]：
阵列（[0，1，2，3，4]，
[5，6，7，8，9]，
[10，11，12，13，14]，
[15，16，17，18，19]，
[20，21，22，23，24]）在[82]：乙
出[82]：
阵列（[0，100，200，300，400]，
[500，600，700，800，900]，
[1000，1100，1200，1300，1400]，
[1500，1600，1700，1800，1900]
[2000，2100，2200，2300，2400]）在[83]：C
出[83]：阵列（[1,3，2，4，0]）
而这里的肮脏一行代码：
在[84]：np.insert（A.ravel（），np.ravel_multi_index（（范围（A.shape [0]），C），A.shape）+ 1，B [范围（B.shape [0]），C]）。重塑（A.shape [0]，A.shape [1] +1）
出[84]：
阵列（[0，1，100，2，3，4]，
[5，6，7，8，800 9]
[10，11，12，1200，13，14]，
[15，16，17，18，19，1900]
[20，2000，21，22，23，24]）
这里是破旧的版本：
A.ravel（）平坦 A 成一维数组，我会打电话给˚F：
在[87]：F = A.ravel（）在[88]：F
出[88]：
阵列（[0，1，2，3，4，5，6，7，8，9，10，11，12，13，14，15，16，
17，18，19，20，21，22，23，24]）
（编辑：原来这第一步 - 展平 A - 是不是必要的，因为在@hpaulj他的回答中指出，。 np.insert 将平由默认的阵列。）
np.ravel_multi_index 用于所期望的2-D位置到索引转换成扁平阵列。在 + 1 末，因为要插入的元素的是必要的后的在 C中列出该指数：
在[89]：insert_indices = np.ravel_multi_index（（范围（A.shape [0]），C），A.shape）+ 1在[90]：insert_indices
出[90]：阵列（[2，9，13，20，21]）
B [范围（B.shape [0]），C] 拉所需的值了 B的
在[91]：值= B [范围（B.shape [0]），C]在[92]：值
出[92]：阵列（[100，800，1200，1900，2000）
np.insert 执行实际插入并创建一个新的数组：
在[93]：np.insert（F，insert_indices，价值观）
出[93]：
阵列（[0，1，100，2，3，4，5，6，7，8，800，
9，10，11，12，1200，13，14，15，16，17，18，
19，1900，20，2000，21，22，23，24]）
现在只是重塑，要得到最终的结果是：
在[94]：np.insert（F，insert_indices，价值观）.reshape（A.shape [0]，A.shape [1] +1）
出[94]：
阵列（[0，1，100，2，3，4]，
[5，6，7，8，800 9]
[10，11，12，1200，13，14]，
[15，16，17，18，19，1900]
[20，2000，21，22，23，24]）
I'm using numpy 1.9 to work on a set of arrays. Assuming I have something like that I have two 2d arrays A and B and a 1-d array C, that looks like that:
>>> A
array([[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.]])
>>> B
array([[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.],
[-1., -1., -1., -1., -1.]])
>>> C
array([1, 3, 2, 4, 0])
My goal is to insert in A all elements from B, according to C. More specifically, if C at position 0 has a 1, B[0, 1] should be inserted after A[0, 1].
Here's the expected result:
array([[ 1, 1, -1, 1, 1, 1],
[ 1, 1, 1, 1, -1, 1],
[ 1, 1, 1, -1, 1, 1],
[ 1, 1, 1, 1, 1, -1],
[ 1, -1, 1, 1, 1, 1]])
I tried to implement it like that, but it's not very fast:
for i in xrange(size(C, 0)):
j = C[i]
A[i, :] = numpy.insert(A[i], j, B[i, j])
There is a way to make it faster? (do it with a single numpy operation, like masks or something like that)
How about a nasty one-liner?
First, the data; the arrays have the same shape as yours, but I've used integers to make the example easier to read.
In [81]: A
Out[81]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19],
[20, 21, 22, 23, 24]])
In [82]: B
Out[82]:
array([[ 0, 100, 200, 300, 400],
[ 500, 600, 700, 800, 900],
[1000, 1100, 1200, 1300, 1400],
[1500, 1600, 1700, 1800, 1900],
[2000, 2100, 2200, 2300, 2400]])
In [83]: C
Out[83]: array([1, 3, 2, 4, 0])
And here's the nasty one-liner:
In [84]: np.insert(A.ravel(), np.ravel_multi_index((range(A.shape[0]), C), A.shape) + 1, B[range(B.shape[0]), C]).reshape(A.shape[0], A.shape[1]+1)
Out[84]:
array([[ 0, 1, 100, 2, 3, 4],
[ 5, 6, 7, 8, 800, 9],
[ 10, 11, 12, 1200, 13, 14],
[ 15, 16, 17, 18, 19, 1900],
[ 20, 2000, 21, 22, 23, 24]])
Here's the broken-down version:
A.ravel() flattens A into a 1-d array, which I'll call F:
In [87]: F = A.ravel()
In [88]: F
Out[88]:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19, 20, 21, 22, 23, 24])
(EDIT: It turns out this first step--flattening A--is not necessary. As @hpaulj points out in his answer, np.insert will flatten the array by default.)
np.ravel_multi_index is used to convert the desired 2-d positions into the indices into the flattened array. The + 1 at the end is necessary because you want to insert the elements after the index given in C:
In [89]: insert_indices = np.ravel_multi_index((range(A.shape[0]), C), A.shape) + 1
In [90]: insert_indices
Out[90]: array([ 2, 9, 13, 20, 21])
B[range(B.shape[0]), C] pulls the desired values out of B:
In [91]: values = B[range(B.shape[0]), C]
In [92]: values
Out[92]: array([ 100, 800, 1200, 1900, 2000])
np.insert does the actual insertion and creates a new array:
In [93]: np.insert(F, insert_indices, values)
Out[93]:
array([ 0, 1, 100, 2, 3, 4, 5, 6, 7, 8, 800,
9, 10, 11, 12, 1200, 13, 14, 15, 16, 17, 18,
19, 1900, 20, 2000, 21, 22, 23, 24])
Now just reshape that to get the final result:
In [94]: np.insert(F, insert_indices, values).reshape(A.shape[0], A.shape[1]+1)
Out[94]:
array([[ 0, 1, 100, 2, 3, 4],
[ 5, 6, 7, 8, 800, 9],
[ 10, 11, 12, 1200, 13, 14],
[ 15, 16, 17, 18, 19, 1900],
[ 20, 2000, 21, 22, 23, 24]])
这篇关于没有对齐的元素Efficent插入一个numpy的阵列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IT屋！
