在python中将数据从向量移动到二维数组的更快方法？答案

【问题标题】：Faster way to move data from a vector to a 2d array in python?在python中将数据从向量移动到二维数组的更快方法？
【发布时间】：2021-08-22 14:36:27
【问题描述】：

这是我当前的代码：

#move data from vector, A, into 2D array, H
    for i in range(0,nlat):
        jmin = nheader+1+i*nlon
        jmax = nheader+(i+1)*nlon
        A = A[jmin:jmax+1]
        H[i] = A
        A = np.array(Alist)

我有一个很长的向量，我从中获取某些数据并将其放入维度为 nlat x nlon 的二维数组中。此设置有效，但非常耗时。任何关于如何加快速度或重写它的建议都会非常有帮助。

【问题讨论】：

np.reshape(A, (nlat, nlon))
这能回答你的问题吗？ Convert a 1D array to a 2D array in numpy
不是真的，因为 len(A) != nlat*nlon。它不会以这种方式正确翻译。如果您可以通过代码判断，我将使用 A[5:10] 并将其放入 H[0]，然后将 A[6:11] 放入 H[1] 等等。这需要一段时间，但不幸的是，重塑并不能满足我的需要。
在您的示例中，nlat 和 nlon 是什么？ nheader 怎么样？如果此循环的目的是跳过标题，您可以简单地切片向量并 then 重塑。 A[nheader+1:].reshape((nlat, nlon))。您能否在问题中添加示例输入和输出以使其更清晰？
这可能行得通。如果它不起作用，我会尝试并添加一个 MRE。谢谢

标签： python arrays

【解决方案1】：

您可以使用numpy。

import numpy as np

vector = np.array(A).reshape(nlat, nlon)

【讨论】：