numpy數組的numpy數組的預分配

Question

我讀了關於預分配numpy數組的重要性。然而，在我的情況下，我不知道如何做到這一點。我想預先分配一個nxm矩陣。這聽起來很簡單

M = np.zeros((n,m)) 

但是，如果我的矩陣是矩陣矩陣？那麼，如果每個nxm元素實際上是什麼形式的呢？我知道在這種情況下，M的形狀是（n，m，3）。 作爲一個例子，後來我想有這樣的事情

[[[[0], [0,1,2], [3,4,5]], 
    [[1], [10,11,12], [13,14,15]]], 
[[[0], [100,101,102], [103,104,105]], 
    [[1], [110,111,112], [113,114,115]]]] 

我試圖簡單地做

M = np.zeros((2,2,3)) 

但隨後

M[0,0,:] = np.array([[0], [0,1,2], [3,4,5]]) 

會給我一個錯誤

ValueError: setting an array element with a sequence.

Ca ñ我不預先分配這個怪物？或者我應該以完全不同的方式來解決這個問題？

感謝您的幫助

Answer 1

您必須確保在每個維度上預先分配正確數量的維度和元素，以便使用簡單分配來填充它。

例如要保存3個2x3矩陣：

number_of_matrices = 3 
matrix_dim_1 = 2 
matrix_dim_2 = 3 

M = np.empty((number_of_matrices, matrix_dim_1, matrix_dim_2)) 
M[0] = np.array([[ 0, 1, 2], [ 3, 4, 5]]) 
M[1] = np.array([[100, 101, 102], [103, 104, 105]]) 
M[2] = np.array([[ 10, 11, 12], [ 13, 14, 15]]) 

M 
#array([[[ 0., 1., 2.],   # matrix 1 
#  [ 3., 4., 5.]], 
# 
#  [[ 100., 101., 102.],   # matrix 2 
#  [ 103., 104., 105.]], 
# 
#  [[ 10., 11., 12.],   # matrix 3 
#  [ 13., 14., 15.]]]) 

---

你的方法包含了一些問題。要保存的陣列是不是一個有效的n維數組numpy的：

np.array([[0], [0,1,2], [3,4,5]]) 
# array([[0], [0, 1, 2], [3, 4, 5]], dtype=object) 
#         |----!!----| 
#   ^-------^----------^  3 items in first dimension 
#  ^      1 item in first item of 2nd dim 
#    ^--^--^    3 items in second item of 2nd dim 
#       ^--^--^ 3 items in third item of 2nd dim  

它只是創建了一個包含蟒蛇list對象的3項數組。你可能想要一個包含數字的數組，所以你需要關心維度。您的np.array([[0], [0,1,2], [3,4,5]])可能是3x1陣列或3x3陣列，numpy不知道在這種情況下要做什麼並將其保存爲對象（該陣列現在只有1維！）。

---

另一個問題是，你想設置預分配數組的一個元素與另一個包含多個元素的數組。這是不可能的（除非你已經有一個object-陣列）。你這裏有兩種選擇：

1. 填補了預分配的數組中的元素數由陣列所需：

   M[0, :, :] = np.array([[0,1,2], [3,4,5]]) 
   # ^--------------------^--------^  First dimension has 2 items 
   #  ^---------------^-^-^   Second dimension has 3 items 
   #  ^------------------------^-^-^ dito 
   # if it's the first dimension you could also use M[0] 
   

2. 創建object陣列和設置元素（不推薦這樣做，最鬆的numpy的陣列）的優點是：

   M = np.empty((3), dtype='object') 
   M[0] = np.array([[0,1,2], [3,4,5]]) 
   M[1] = np.array([[0,1,2], [3,4,5]]) 
   M[2] = np.array([[0,1,2], [3,4,5]]) 
   M 
   #array([array([[0, 1, 2], 
   #    [3, 4, 5]]), 
   #  array([[0, 1, 2], 
   #    [3, 4, 5]]), 
   #  array([[0, 1, 2], 
   #    [3, 4, 5]])], dtype=object) 
   

Answer 2

如果你知道你將只適用於n,m每個點存儲值t, y, x那麼它可能會更容易和更快的計算，有三個numpy的陣列。

所以：

M_T = np.zeros((n,m)) 
M_Y = np.zeros((n,m)) 
M_X = np.zeros((n,m)) 

我相信你現在可以鍵入 '正常' 的Python運營商做陣列邏輯，如：

MX = np.ones((n,m)) 
MY = np.ones((n,m)) 
MT = MX + MY 
MT ** MT 
_ * 7.5 

通過定義陣列友好的功能（類似於MATLAB）你會得到一個大大提高計算速度。

當然，如果你需要更多的變量在每個點上，那麼這可能會變得笨拙。