从 4 个一维数组创建一个 numpy 元组矩阵答案

【问题标题】：Creating a numpy matrix of tuples from 4 one-dimensional arrays从 4 个一维数组创建一个 numpy 元组矩阵
【发布时间】：2021-01-09 16:03:43
【问题描述】：

假设我有四个一维 numpy 数组 A、B、C、D，我想创建一个矩阵 M，使得矩阵的每个条目 M[i,j,k,l] 都是元组（a , b, c, d)

其中 a = A[i]、b = B[j]、c = C[k] 和 d = D[d]。

如何在没有循环的情况下高效地构建它？

【问题讨论】：

为什么是元组？这不会是一个有效的数组。
我想做矢量化；但是每个条目都是根据条目的索引来决定的——不确定如何做到这一点，因此正在考虑将其用作中间步骤

标签： python-3.x numpy numpy-ndarray

【解决方案1】：

您可以创建一个具有正确形状的空数组M（注意最后一维中的 4 - 那是您的元组），然后使用广播在 M 中分配整个行/列。

M = np.empty((
    len(a), len(b), len(c), len(d), 4
))

M[..., 0] = a[:, None, None, None]
M[..., 1] = b[None, :, None, None]
M[..., 2] = c[None, None, :, None]
M[..., 3] = d[None, None, None, :]

【讨论】：

哦，只是一个额外的后续问题：如果我要在这个 5D 矩阵上应用 np.vectorize 并使用一些函数，这将作为每个条目的输入——是否可以排除第五维这样传递给vectorize的函数就可以取而代之的是4元素元组吗？
np.vectorize 一直迭代到标量元素级别。它有一个signature 参数，可能可以做你想做的事，但速度更慢。
np.vectorize 为您进行广播。如果您的函数是fn(a,b,c,d)，则矢量化版本可以采用ffn(a[:,None,None,None], b[....] etc)（与上述相同的扩展数组）。但请记住，np.vectorize 不是速度工具；只是为了方便。
啊，我明白了——还有其他选择吗？我试过np.apply_along_axis，也很慢。
apply_along_axis 也是一个迭代函数 - 迭代除最后一个之外的所有维度。如果您的函数仅适用于一维数组，则必须为较大的一维数组中的每个一维数组调用一次（加上一个试验调用以确定输出类型/形状）。它调用该函数 1000 次很慢，而不是迭代机制本身。