向量化numpy追加循环

Posted 2023-02-16

【中文标题】向量化numpy追加循环

【英文标题】：vectorize numpy append loop

【发布时间】：2017-01-26 23:22:17

【问题描述】：

我正在尝试向量化以下循环，我正在尝试将多个数组附加到一个空数组。

# ff is a matrix of shape [100,1,96]
temp = np.array([]).reshape(0,96)
for kk in range(1,10,1):
   temp = np.append(tr,ff[kk],axis=0)
temp = temp.reshape(1,10,96)

是否可以使用 numpy 对上述循环进行矢量化？欢迎任何帮助！

【问题讨论】：

你能解释一下你要做什么吗？

我正在尝试遍历维度为 [100,1,96] 且维度为 [1,96] 的矩阵的元素，并附加到它们以创建 [10,96] 数组跨度>

那么第一个维度的前 10 个条目以及所有其他维度的所有条目？ ff[:10,:,:] 不应该只是给你你正在寻找的数据吗？

是的，效果很好。非常感谢！

关于数组追加与列表追加：***.com/a/41793600/901925

【参考方案1】：

您可以使用切片来提取您需要的数据：

ff[:10,:,:]

这将产生一个形状为(10, 1, 96) 的数组。要摆脱空维度，您可以通过numpy.squeeze()运行它：

numpy.squeeze(ff[:10,:,:])

并得到一个形状数组(10, 96)