如何在numpy中堆叠数组和标量？

Question

我有一个数字向量（1-D数组）或标量（即数字）的列表。所有向量都有相同的长度，但我不知道那是什么。我需要vstack所有元素来创建一个矩阵（2-D数组），这样标量就被视为每个位置都有标量的向量。

示例是最好的描述：

案例一：

>>> np.vstack([np.array([1, 2, 3]), np.array([3, 2, 1])])
array([[1, 2, 3],
       [3, 2, 1]])

案例2：

>>> np.vstack([1, 2])
array([[1],
       [2]])

案例3：

>>> np.vstack([np.array([1, 2, 3]), 0, np.array([3, 2, 1])])
np.array([[1, 2, 3],
          [0, 0, 0],
          [3, 2, 1]])

案例1和案例2是开箱即用的。然而，在案例3中，情况并非如此，因为vstack需要所有元素都是相同长度的数组。

有什么好的方法（最好是一行）来实现这一点吗？

Answer 1

不是一个行，但可以用标量填充空数组。

>>> a = np.empty(4, dtype=int )
>>> a.fill(2)
>>> print(a)
[2 2 2 2]

Answer 2

这里的问题是填补可读的python世界和高效的Numpy世界之间的空白。

从实验上看，python在这项任务中往往比numpy更好，这是自相矛盾的。用l=[randint（10）如果n%2，则randint（0,10100）表示范围（32）内的n]：

In [11]: %timeit array([x if type(x) is ndarray else [x]*100 for x in l])
1000 loops, best of 3: 655 µs per loop

In [12]: %timeit column_stack(broadcast(*l))
100 loops, best of 3: 3.77 ms per loop

此外广播被限制为32个元素。

Answer 3

您可以创建广播对象，并调用np.column_stack：

In [175]: np.column_stack(np.broadcast([1, 2, 3], 0, [3, 2, 1]))
Out[175]: 
array([[1, 2, 3],
       [0, 0, 0],
       [3, 2, 1]])

或者，您可以让NumPy将这些项目广播到形状兼容的阵列：

In [158]: np.broadcast_arrays([1, 2, 3], [3, 2, 1], 0)
Out[158]: [array([1, 2, 3]), array([3, 2, 1]), array([0, 0, 0])]

然后调用vstack或row_stack：

In [176]: np.row_stack(np.broadcast_arrays([1, 2, 3], 0, [3, 2, 1]))
Out[176]: 
array([[1, 2, 3],
       [0, 0, 0],
       [3, 2, 1]])

在这两个选项（使用np.broadcast或np.broadcast_数组）中，np。广播更快，因为实际上不需要实例化广播的子数组。

np的一个限制。然而，广播，它最多可以接受32个参数。在这种情况下，使用np。广播阵列。