将复杂的 NumPy 数组转换为 (n, 2) 实部和虚部的数组答案

【问题标题】：Convert complex NumPy array into (n, 2)-array of real and imaginary parts将复杂的 NumPy 数组转换为 (n, 2) 实部和虚部的数组
【发布时间】：2016-08-11 15:20:14
【问题描述】：

我有一个复数值 NumPy 数组，我想将其转换为实部和虚部分开的连续 NumPy 数组。

这个

import numpy

u = numpy.array([
    1.0 + 2.0j,
    2.0 + 4.0j,
    3.0 + 6.0j,
    4.0 + 8.0j
    ])

u2 = numpy.ascontiguousarray(numpy.vstack((u.real, u.imag)).T)

成功了，但是转置、vstacking、和转换为连续数组可能需要一两步。

是否有本地 NumPy 函数可以为我执行此操作？

【问题讨论】：

标签： python arrays numpy

【解决方案1】：

您可以使用column_stack 并将两个一维数组作为列堆叠以形成一个二维数组。

In [9]: np.column_stack((u.real,u.imag))
Out[9]: 
array([[ 1.,  2.],
       [ 2.,  4.],
       [ 3.,  6.],
       [ 4.,  8.]])

【讨论】：

我刚刚检查了这个 :) 它避免了丑陋的索引！

【解决方案2】：

没有一个替代品是native 或保存重塑、转置等。

例如，column_stack 在内部将其输入转换为二维“列”数组。实际上它正在做

In [1171]: np.concatenate((np.array(u.real,ndmin=2).T,np.array(u.imag,ndmin=2).T),axis=1)
Out[1171]: 
array([[ 1.,  2.],
       [ 2.,  4.],
       [ 3.,  6.],
       [ 4.,  8.]])

vstack 将其输入通过atleast_2d(m) 传递，确保每个都是 1 行 2d 数组。 np.dstack 使用 atleast_3d(m)。

一个新函数是np.stack

In [1174]: np.stack((u.real,u.imag),-1)
Out[1174]: 
array([[ 1.,  2.],
       [ 2.,  4.],
       [ 3.,  6.],
       [ 4.,  8.]])

它使用None 索引来更正连接的维度；有效：

np.concatenate((u.real[:,None],u.imag[:,None]),axis=1)

全部使用np.concatenate; it 和 np.array 是唯一编译的连接函数。

另一个技巧是使用view

In [1179]: u.view('(2,)float')
Out[1179]: 
array([[ 1.,  2.],
       [ 2.,  4.],
       [ 3.,  6.],
       [ 4.,  8.]])

复数值保存为 2 个相邻的浮点数。因此，可以将相同的数据缓冲区视为纯浮点数，或者将此视图视为浮点数的二维数组。与concatenate 函数相比，这里没有复制。

对备选方案的另一个测试是询问当u 为 2d 或更高时会发生什么？

【讨论】：

可以用同样的方法来保存 N x M 复数数组的复制吗？制作 N x M x 2 的 float64？

【解决方案3】：

我使用perfplot 比较了建议的解决方案。对于较大的向量大小，恒定时间视图

u.view("(2,)float")

确实是最快的变体。对于较小的n，

numpy.column_stack([u.real, u.imag])

可能是最好的（最干净、最快的）选项。

重现情节的代码：

import numpy
import perfplot


def setup(n):
    return numpy.random.rand(n) + 1j * numpy.random.rand(n)


def column_stack(u):
    return numpy.column_stack([u.real, u.imag])


def dstack(u):
    return numpy.dstack((u.real, u.imag))[0]


def concatenate(u):
    return numpy.concatenate(
        (numpy.array(u.real, ndmin=2).T, numpy.array(u.imag, ndmin=2).T), axis=1
    )


def stack(u):
    return numpy.stack((u.real, u.imag), -1)


def view(u):
    return u.view("(2,)float")


perfplot.save(
    "out.png",
    setup=setup,
    kernels=[column_stack, dstack, concatenate, stack, view],
    n_range=[2 ** k for k in range(15)],
)

【讨论】：

【解决方案4】：

你可以使用dstack:

np.dstack((u.real, u.imag))[0]
#Out[210]:
#array([[ 1.,  2.],
#       [ 2.,  4.],
#       [ 3.,  6.],
#       [ 4.,  8.]])

【讨论】：