用序列创建的numpy数组答案

【问题标题】：numpy array creating with a sequence用序列创建的numpy数组
【发布时间】：2012-05-25 11:23:05
【问题描述】：

我正在从 MATLAB 过渡到 scipy(+numpy)+matplotlib。在实施某些事情时，我一直遇到问题。我想在三个不同的部分创建一个简单的向量数组。在 MATLAB 中，我会执行以下操作：

vector=[0.2,1:60,60.8];

这会产生一个包含 62 个位置的一维数组。我正在尝试使用 scipy 来实现这一点。我现在最接近的是：

a=[[0.2],linspace(1,60,60),[60.8]]

但是，这会创建一个列表，而不是数组，因此我无法将其重塑为向量数组。但是，当我这样做时，我得到一个错误

a=array([[0.2],linspace(1,60,60),[60.8]])
ValueError: setting an array element with a sequence.

我认为我的主要障碍是我不知道如何在 MATLAB 中翻译这个简单的操作：

a=[1:2:20];

到 numpy.我知道如何访问数组中的位置，尽管在创建序列时不知道。任何帮助将不胜感激，谢谢！

【问题讨论】：

标签： python arrays numpy scipy sequence

【解决方案1】：

你可以试试这样的：

a = np.hstack(([0.2],np.linspace(1,60,60),[60.8]))

【讨论】：

真的！这也有效，谢谢 JoshAdel。此外，每当我想做 a=[1:2:20] 之类的事情时，linspace 是唯一的选择吗？这意味着我不知道向量的最终大小，只知道步骤和起点/终点。 [之二]
多亏了 mgilson，我自己才发现它。答案是范围（开始、停止、步进）。太棒了！
@vint-i-vuit 请注意，python 内置范围函数仅适用于整数值。 Numpy 提供了 arange 它将做同样的事情（如果你想要它也可以使用浮点数）返回一个数组，但文档指出 linspace 在大多数情况下是一个更好的选择，因为（由于四舍五入），结果来自arange 可能不是你所期望的。
@mgilson 感谢您的洞察力。但是，我通常比 linspace 更需要 range/arange 的功能（我在 MATLAB 中很少使用 linspace）。因为我倾向于实现知道步长而不是最终向量大小的数组。我会考虑到这一点！

【解决方案2】：

NumPy 实现了 MATLAB 的数组创建函数，vector，使用两个函数而不是一个 - 每个都隐含指定一个特定的轴，concatenation em> 应该发生。这些功能是：

r_（逐行连接）和
c_（按列）

因此，对于您的示例，NumPy 等价物是：

>>> import numpy as NP

>>> v = NP.r_[.2, 1:10, 60.8]

>>> print(v)
     [  0.2   1.    2.    3.    4.    5.    6.    7.    8.    9.   60.8]

按列对应的是：

>>> NP.c_[.2, 1:10, 60.8]

slice 符号按预期工作 [start:stop:step]:

>>> v = NP.r_[.2, 1:25:7, 60.8]

>>> v
  array([  0.2,   1. ,   8. ,  15. ,  22. ,  60.8])

虽然如果将虚数用作第三个参数，切片符号的行为类似于 linspace：

>>> v = NP.r_[.2, 1:25:7j, 60.8]

>>> v
  array([  0.2,   1. ,   5. ,   9. ,  13. ,  17. ,  21. ,  25. ,  60.8])

否则，它的行为类似于 arange：

>>> v = NP.r_[.2, 1:25:7, 60.8]

>>> v
  array([  0.2,   1. ,   8. ,  15. ,  22. ,  60.8])

【讨论】：

谢谢道格！这非常酷，而且它与 matlab 一样紧凑，还差两个字符。太棒了！
@vint-i-vuit 没问题。如果我的回答对您有帮助，请通过单击“复选标记”将其标记为“已接受”，当您将鼠标悬停在我的回答左上角的分数上时可见。（或者如果另一个答案更有帮助，显然你会想要标记那个）。是的，它还有两个字符，但我认为这是值得的，因此 NumPy 可以为两个轴中的每一个提供一个函数来连接 (r_ & c_)。
不知道，是的！我从所有帖子中学到了很多东西，它们都按我的意愿工作，但可能你的帖子最接近 MATLAB。谢谢大家！
c_ 不是按列对应的...它是特殊 r_ 调用的简写版本。您的 c_ 调用示例将不起作用。

【解决方案3】：

np.concatenate([[.2], linspace(1,60,60), [60.8]])

【讨论】：

该死的，真的！这行得通，谢谢拉尔斯曼。此外，每当我想做 a=[1:2:20] 之类的事情时，linspace 是唯一的选择吗？这意味着我不知道向量的最终大小，只知道步骤和起点/终点。
多亏了 mgilson，我自己才发现它。答案是范围（开始、停止、步进）。太棒了！
您也可以尝试np.arange(1,20,2)，但要小心，因为此操作不包括范围内的最后一个数字（例如 array([ 1, 3, 5, 7, 9, 11, 13, 15、17、19]））。我忘记了 Matlab 是如何处理这个问题的，我早就把它从我的机器上删除了。
很高兴知道！谢谢。据我所知，MATLAB 不断增加/减少，如果终点恰好在 a=[0:2:10] 等范围内，则 a 包含它。但是，如果不包括终点，例如在 a2=[1:2:10] 中，则 10 不包括在 a2 中。

【解决方案4】：

arange(0.2,60.8,0.2) 做你想做的事吗？

http://docs.scipy.org/doc/numpy/reference/generated/numpy.arange.html

【讨论】：

确实！ arange() 是我以后会经常使用的函数，也感谢分享。

【解决方案5】：

我有点喜欢构建您提到的这些分段范围的想法。如果你经常使用它们，也许是一个像

这样的小功能

import numpy as np

def segrange(*args):
    result = []
    for arg in args:
        if hasattr(arg,'__iter__'):
            result.append(range(*arg))
        else:
            result.append([arg])
    return np.concatenate(result)

给你

>>> segrange(1., (2,5), (5,10,2))
[ 1.  2.  3.  4.  5.  7.  9.]

如果有就好了。虽然，我可能会使用 concatenate/hstack 来寻找答案。

【讨论】：

这是个好主意！从现在开始，我想我会尽量坚持使用 mgilson 回复中使用的 + 运算符，因为它是我发现最接近 matlab 的运算符，因此记住的工作量更少。但是我会看看在某些情况下执行该代码是否更方便:)
如果我错了，请纠正我，但我认为isinstance(arg,list) 比type(arg) is list 更受欢迎。此外，您可以将整个 if 块缩短为 hasattr(arg,'__iter__')（并在您使用它时捕获各种其他可迭代对象）
是的，你正确的 mgilson。但道格提出 _r 的回答取代了所有 ^^

【解决方案6】：

如果我对 matlab 的理解正确，您可以使用以下方法完成类似的操作：

a=np.array([0.2]+list(range(1,61))+[60.8])

但可能有更好的方法...如果您使用的是 python 2.X，list(range(1,61)) 可能只是 range(1,61)。

这是通过创建 3 个列表然后使用 + 运算符连接它们来实现的。

你最初的尝试没有成功的原因是因为

a=[ [0.2], np.linspace(1,60,60), [60.8] ] 创建一个列表列表——换句话说：

a[0] == [0.2] #another list (length 1)
a[1] == np.linspace(1,60,60) #an array (length 60)
a[2] == [60.8] #another list (length 1)

array 函数需要一个可迭代的序列，或者长度相同的序列序列。

【讨论】：

伟大的米吉尔森！这可能是最接近 MATLAB 的语法。仍然不如 a=[0.2,1:60,60.8] 紧凑，但很酷。非常感谢，我现在看得更清楚了。
我想你会发现虽然numpy 中的很多东西都和 matlab 中一样简洁（还有一些东西稍微简洁一些），但也有很多东西不是t 非常简洁 -- 但是，总的来说，我发现代码更直观。
据了解，到目前为止，获得的灵活性，特别是在绘图方面，非常值得语法的“不太简洁”。 :)

【解决方案7】：

看看np.r_。它基本上等同于其他人的建议，但如果你来自 matlab，它会更直观一些（如果你来自任何其他语言，它有点违反直觉）。

例如，vector=[0.2,1:60,60.8]; 转换为：

vector = np.r_[0.2, 1:61, 60.8]

【讨论】：

【解决方案8】：

只想向其他从 MATLAB 转到 Numpy 的人指出，您可以构造一个带有冒号的 np.r_ 数组，然后用它来索引

例如，如果你在 matlab 中有

arr_ones = ones(10,10)

或者在 Numpy 中

arr_ones = np.ones([10,10])

您可以在 Matlab 中只取第 1 到第 5 列以及第 7 列，如下所示：

arr_ones(:,[1:5 7])

在 Numpy 中做同样的事情并不（至少对我而言）直观。这会给你一个“无效的语法”错误：

arr_ones[:,[1:5,7]]

但这是可行的：

inds = np.r[1:5,]
arr_ones[:,inds]

我知道这在技术上并不是一个新的答案，但是在对矩阵进行索引时使用冒号构造数组在 Matlab 中似乎很自然，我敢打赌很多来到这个页面的人都会想知道这一点。（我来这里不是问新问题。）

【讨论】：

【解决方案9】：

使用 numpy.repeat() 的最简单方法 ||| numpy.tile()

a = np.array([1,2,3,4,5])

np.r_[np.repeat(a,3),np.tile(a,3)]

【讨论】：