在 Python 中将向量堆叠到矩阵中的快速方法答案

【问题标题】：fast way to stack vectors into a matrix in Python在 Python 中将向量堆叠到矩阵中的快速方法
【发布时间】：2018-08-24 14:26:35
【问题描述】：

我想在 python 中将相同长度 (500) 的 100k 向量堆叠到单个矩阵中，但这需要太多时间。

这是我的代码：

stacked = all_vectors[0]
for i in range(1,100000):
    stacked = np.column_stack((stacked ,all_vectors[i]))

你知道如何更快吗？

【问题讨论】：

任何原因np.column_stack(all_vectors) 不起作用？
是的，但 all_vectors 实际上包含 500k 个向量，我只想要其中的一个子集
你不能先选择向量的子集，例如all_vectors[n:m]? Columnstack 每次都会创建一个新数组，因此不应迭代使用。列表索引和追加速度更快。

标签： python loops numpy matrix vector

【解决方案1】：

你应该得到你想要的答案

stacked = np.column_stack(all_vectors[:100000])

这和这似乎没有区别

stacked = np.array(all_vectors[:100000]).transpose()

正如您在本次互动会话中所见：

>>> stacked = np.column_stack(all_vectors[:100000])
>>> sstacked = np.array(all_vectors[:100000]).transpose()
>>> stacked == sstacked
array([[ True,  True,  True, ...,  True,  True,  True],
       [ True,  True,  True, ...,  True,  True,  True],
       [ True,  True,  True, ...,  True,  True,  True],
       ...,
       [ True,  True,  True, ...,  True,  True,  True],
       [ True,  True,  True, ...,  True,  True,  True],
       [ True,  True,  True, ...,  True,  True,  True]], dtype=bool)
>>> (stacked == sstacked).all()
True

编辑：计时结果似乎更喜欢第二种方法：

%%timeit
vector = list(range(1, 1+10))
all_vectors = [vector] *100_000
result = np.column_stack(all_vectors)

396 ms ± 18.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%%timeit
vector = list(range(1, 1+10))
all_vectors = [vector] *100_000
result = np.array(all_vectors)
np.array(all_vectors[:100000]).transpose()

152 ms ± 3.16 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

【讨论】：

column_stack 将所有输入转换为二维数组，然后进行axis=1 连接。
谢谢。我添加了时间来显示数组创建后跟换位更快。