以特定方式组合一组数组答案

【问题标题】：Combine a set of a arrays in a specific way以特定方式组合一组数组
【发布时间】：2020-01-13 13:57:29
【问题描述】：

我有一组 9 个不同的数组，大小均为 n 乘以 n。我需要以元素方式组合它们以产生特定的数组。

例如：给定一组 9 个大小相等的数组：

a1 = np.array([[11, 12, 13], [14, 15, 16], [17, 18, 19]])
a2 = np.array([[21, 22, 23], [24, 25, 26], [27, 28, 29]])
a3 = np.array([[31, 32, 33], [34, 35, 36], [37, 38, 39]])

a4 = np.array([[41, 42, 43], [44, 45, 46], [47, 48, 49]])
a5 = np.array([[51, 52, 53], [54, 55, 56], [57, 58, 59]])
a6 = np.array([[61, 62, 63], [64, 65, 66], [67, 68, 69]])

a7 = np.array([[71, 72, 73], [74, 75, 76], [77, 78, 79]])
a8 = np.array([[81, 82, 83], [84, 85, 86], [87, 88, 89]])
a9 = np.array([[91, 92, 93], [94, 95, 96], [97, 98, 99]])

想要的结果是

b = np.array([[11, 21, 31, 12, 22, 32, 13, 23, 33],
              [41, 51, 61, 42, 52, 62, 43, 53, 63],
              [71, 81, 91, 72, 82, 92, 73, 83, 94],
              [14, 24, 34, 15, 25, 35, 16, 26, 36],
              [44, 54, 64, 45, 55, 65, 46, 56, 66],
              [74, 84, 94, 75, 85, 95, 76, 86, 96],
              [17, 27, 37, 18, 28, 38, 19, 29, 39],
              [47, 57, 67, 48, 58, 68, 49, 59, 69],
              [77, 87, 97, 78, 88, 98, 79, 89, 99]])

所以数组 b 的第一行由 a1、a2 和 a3 的第一行组成，按元素组合。

数组 b 的第二行由 a4、a5 和 a6 的第一行组成，按元素组合。

第三行由 a7、a8 和 a9 的第一行组成，按元素组合。

然后在 a1-a9 中的其余行继续使用相同的模式。

这需要适用于任何大小的 a1-a9 数组，因为数组的大小为 n 乘以 n。我尝试过修改 np.concatenate、zip 和 np.einsum，但都没有成功。

【问题讨论】：

欢迎来到 SO。这不是讨论论坛或教程。请使用tour 并花时间阅读How to Ask 以及该页面上的其他链接。不鼓励询问代码的问题。

标签： python arrays numpy

【解决方案1】：

编辑：推广到不同的数组大小和数组数量：

import numpy as np

def combine_arrays(arrays):
    arrays = np.asarray(arrays)
    n, p, q = arrays.shape
    s = int(round(np.sqrt(n)))
    arrays = arrays.reshape(s, -1, p, q)
    return arrays.transpose(2, 0, 3, 1).reshape(s * p, -1)

a1 = np.array([[11, 12, 13], [14, 15, 16], [17, 18, 19]])
a2 = np.array([[21, 22, 23], [24, 25, 26], [27, 28, 29]])
a3 = np.array([[31, 32, 33], [34, 35, 36], [37, 38, 39]])

a4 = np.array([[41, 42, 43], [44, 45, 46], [47, 48, 49]])
a5 = np.array([[51, 52, 53], [54, 55, 56], [57, 58, 59]])
a6 = np.array([[61, 62, 63], [64, 65, 66], [67, 68, 69]])

a7 = np.array([[71, 72, 73], [74, 75, 76], [77, 78, 79]])
a8 = np.array([[81, 82, 83], [84, 85, 86], [87, 88, 89]])
a9 = np.array([[91, 92, 93], [94, 95, 96], [97, 98, 99]])

print(combine_arrays([a1, a2, a3, a4, a5, a6, a7, a8, a9]))
# [[11 21 31 12 22 32 13 23 33]
#  [41 51 61 42 52 62 43 53 63]
#  [71 81 91 72 82 92 73 83 93]
#  [14 24 34 15 25 35 16 26 36]
#  [44 54 64 45 55 65 46 56 66]
#  [74 84 94 75 85 95 76 86 96]
#  [17 27 37 18 28 38 19 29 39]
#  [47 57 67 48 58 68 49 59 69]
#  [77 87 97 78 88 98 79 89 99]]

a1 = np.array([[11, 12], [14, 15]])
a2 = np.array([[21, 22], [24, 25]])
a3 = np.array([[31, 32], [34, 35]])
a4 = np.array([[41, 42], [44, 45]])

print(combine_arrays([a1, a2, a3, a4]))
# [[11 21 12 22]
#  [31 41 32 42]
#  [14 24 15 25]
#  [34 44 35 45]]

您可以通过重塑和转置来做到这一点：

import numpy as np

a1 = np.array([[11, 12, 13], [14, 15, 16], [17, 18, 19]])
a2 = np.array([[21, 22, 23], [24, 25, 26], [27, 28, 29]])
a3 = np.array([[31, 32, 33], [34, 35, 36], [37, 38, 39]])

a4 = np.array([[41, 42, 43], [44, 45, 46], [47, 48, 49]])
a5 = np.array([[51, 52, 53], [54, 55, 56], [57, 58, 59]])
a6 = np.array([[61, 62, 63], [64, 65, 66], [67, 68, 69]])

a7 = np.array([[71, 72, 73], [74, 75, 76], [77, 78, 79]])
a8 = np.array([[81, 82, 83], [84, 85, 86], [87, 88, 89]])
a9 = np.array([[91, 92, 93], [94, 95, 96], [97, 98, 99]])

a = np.stack([a1, a2, a3, a4, a5, a6, a7, a8, a9])
a = a.reshape(3, 3, 3, 3).transpose(2, 0, 3, 1).reshape(9, 9)
print(a)
# [[11 21 31 12 22 32 13 23 33]
#  [41 51 61 42 52 62 43 53 63]
#  [71 81 91 72 82 92 73 83 93]
#  [14 24 34 15 25 35 16 26 36]
#  [44 54 64 45 55 65 46 56 66]
#  [74 84 94 75 85 95 76 86 96]
#  [17 27 37 18 28 38 19 29 39]
#  [47 57 67 48 58 68 49 59 69]
#  [77 87 97 78 88 98 79 89 99]]

【讨论】：

从np.array([..]) 开始的性能似乎比np.stack 好一些。
对不起，但这个答案并不是问题中所问的“对于任何大小的 a1-a9 数组”的概括......您的尺寸应该在重塑之前计算，而不是强加。
@jeannej 谢谢，没看那部分，现在添加通用解决方案。

【解决方案2】：

试试这个：

>>> import numpy as np
>>> np.hstack([
       np.vstack([a1.ravel(), a2.ravel(), a3.ravel()]).T.reshape(3, -1),
       np.vstack([a4.ravel(), a5.ravel(), a6.ravel()]).T.reshape(3, -1),
       np.vstack([a7.ravel(), a8.ravel(), a9.ravel()]).T.reshape(3, -1)
    ]).reshape(9,9)
array([[11, 21, 31, 12, 22, 32, 13, 23, 33],
       [41, 51, 61, 42, 52, 62, 43, 53, 63],
       [71, 81, 91, 72, 82, 92, 73, 83, 93],
       [14, 24, 34, 15, 25, 35, 16, 26, 36],
       [44, 54, 64, 45, 55, 65, 46, 56, 66],
       [74, 84, 94, 75, 85, 95, 76, 86, 96],
       [17, 27, 37, 18, 28, 38, 19, 29, 39],
       [47, 57, 67, 48, 58, 68, 49, 59, 69],
       [77, 87, 97, 78, 88, 98, 79, 89, 99]])

【讨论】：

对不起，但这个答案并不是问题中所问的“对于任何大小的 a1-a9 数组”的概括......您的尺寸应该在重塑之前计算，而不是强加。
为什么在flatten方法之上使用ravel方法？
因为它更快，更适合这个问题；）stackoverflow.com/a/28930580/11610186
感谢您的链接，虽然我不明白为什么这个“更适合这个问题”：你不知道之后是否使用ai，在这种情况下，如果它们被覆盖了......虽然ravel 确实更快（ravel 和flatten 和timeit.repeat 我得到了 1.2e-3 秒和 3.9e-3 秒），但这看起来并不安全在不知道其余代码的情况下。也许只是在您的答案中添加一条注释，说明ai 可以通过该过程进行修改，如果需要，您应该改用flatten 方法？
不，它不会 - 如果您要修改 ravel-ed 数组，那么也许。但在这种情况下，你不会例如pastebin.com/0h5Wvgv9 这就是“更适合这个问题”的原因。特别是如果您将结果分配给另一个变量。

【解决方案3】：

至于时间速度（在 10000 次迭代中使用 timeit.repeat 来获得），从最好到最差：

@jdehesa np.stack + a.reshape(3, 3, 3, 3).transpose(2, 0, 3, 1).reshape(9, 9) : 9.9e-2 秒
@Grzegorz Skibinski vstack + hstack + reshape : 1.6e-1 秒

【讨论】：

这似乎没有给我正确的答案（数组以[[11 12 13 21 22 ...开头）。
@jdehesa oooops 你是对的，我的错我在这里太快了，我会编辑我的帖子（虽然现在你编辑了你的答案，我最喜欢它；））