Numpy - 用更快的东西替换 hstack/vstack if-loop追加？

问题描述

我想将几个（比如 15 个）长数组 (3072,) 组合成一个 np.array 形状 (15,3072)。如果找到了解决方案，但在 for 循环中包含嵌套的 if 子句，这对我来说似乎效率低下。是否有更有效的解决方案来提供必要形状的 numpy 数组（而不是列表）？代码如下：

# Creating sample array
arr1 = np.array([8,19,43],dtype=int)

# What I do at the moment (and it works)
arr_out = np.array([])
for i in range(3):
    if i == 0:
        arr_out = np.hstack((arr_out,arr1))
    else:
        arr_out = np.vstack((arr_out,arr1))
        
arr_out # Output is correct shape (Each "new" array gets a new row.)

数组([[ 8.,19.,43.],[8.,43.]])

当我使用 np.append 时会发生什么：

# How to do the above without the if loop in the for loop?
arr_out = np.array([])
for i in range(3):
    arr_out = np.append(arr_out,arr1,axis=0)

arr_out # Output is not in correct shape

数组([ 8.,43.,8.,43.])

您是否看到了在不使用列表（或至少最后没有列表）的情况下获得第一个示例的 numpy.array 形状的有效方法？

解决方法

通过使用我需要的正确列数初始化数组 arr_out 自己解决了这个问题（在上面的小示例中为三）。然后就可以去掉if子句，直接执行np.vstack。但是，当数组有很多列（在我的实际情况中 > 3000）时，在我看来，摆脱 if 子句会带来初始化大型空数组的回报。因此，当您循环很多次时，去掉 if 子句只会让您在运行时间方面变得更好（在我的情况下是这样，因为我将运行它大约 60.000 次）。代码如下：

# Creating sample array
arr1 = np.array([8,19,43],dtype=int)

# Solution
arr_out = np.array([0,len(arr1)])
for i in range(3): #I run through the loop a couple of thousand times
    arr_out = np.vstack((arr_out,arr1))