如何迭代一维数组并在 Numpy 中构建一个二维数组？

Question

如果我有一个想要矢量化的一维 numpy.ndarray b 和一个 Python function f，这很容易使用 numpy.vectorize 函数：

c = numpy.vectorize(f)(a).

但是如果 f 返回一维 numpy.ndarray 而不是标量，我该如何构建二维 numpy.ndarray 呢？ （也就是说，我希望从f 返回的每个一维numpy.ndarray 成为新二维numpy.ndarray 中的一行。）

例子：

def f(x):
    return x * x

a = numpy.array([1,2,3])
c = numpy.vectorize(f)(a)

def f_1d(x):
    return numpy.array([x, x])

a = numpy.ndarray([1,2,3])
d = ???(f_1d)(a)

在上面的示例中，c 将变为 array([1, 4, 9])。如果d 应该变成array([[1, 1], [2, 2], [3, 3]])，应该用什么替换???？

Answer 1

可以这样做：

def f_1d(x):
    return (x,x)
d = numpy.column_stack(numpy.vectorize(f_1d)(a))

将输出：

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

Answer 2

我认为您正在寻找 reshape 和 repeat

def f(x):
    return x * x
a = numpy.array([1,2,3])
b= numpy.vectorize(f)(a)
c = numpy.repeat(b.reshape( (-1,1) ),2, axis=1)
print c

输出：

[[1 1]
 [4 4]
 [9 9]]

你也可以直接设置 array.shape 元组。 可能值得知道您可以使用map 完成与vectorize 相同的操作，如果您需要编写纯python。 b= numpy.vectorize(f)(a) 将变为 b=map(f,a)

使用这种方法，您根本就不需要f_1d，因为它似乎所做的只是重复信息，而numpy.repeat 做得最好。

此外，这个版本要快一些，但这仅在您处理大型数组时才重要。