Chcę móc "budować" tablicę numpy w locie, nie wiem z góry wielkości tej tablicy.Inicjalizacja tablicy numpy o nieznanej długości
Na przykład chcę zrobić coś takiego:
a= np.array()
for x in y:
a.append(x)
Które spowodowałoby zawierających wszystkich elementów x, oczywiście jest to banalna odpowiedź. Jestem ciekawy, czy to możliwe?
Utwórz listę Python i przekonwertować do tablicy numpy. To zajmuje zamortyzowany czas O (1) na dodatek + O (n) dla konwersji do macierzy, dla sumy O (n).
a = []
for x in y:
a.append(x)
a = np.array(a)
Albo jeszcze lepiej: 'a = np.array ([x dla x in y])'; lub po prostu 'a = np.array (list (y))' –
Można to zrobić:
a = np.array([])
for x in y:
a = np.append(a, x)
To zajmuje liniowy czas na dodatek. –
To podejście kopiuje tablicę w każdym dodatku, który jest O (suma (zakres (n))). Na moim laptopie metoda ta była 42 razy wolniejsza niż metoda larsmana: budowanie listy za pomocą metody larsmana zajmuje mi dokładnie 1000 pętli, najlepiej 3: 1,53 ms na pętlę. Po tej metodzie dokładnie pobiera mi 10 pętli, najlepiej 3: 64,8 ms na pętlę. –
dla potomności, myślę, że to jest szybsze:
a = np.array([np.array(list()) for _ in y])
Możesz nawet być w stanie przejść w generatorze (czyli [] ->()), w którym to przypadku lista wewnętrzna jest nigdy w pełni przechowywane w pamięci.
odpowiedzi na komentarz poniżej:
>>> import numpy as np
>>> y = range(10)
>>> a = np.array([np.array(list) for _ in y])
>>> a
array([array(<type 'list'>, dtype=object),
array(<type 'list'>, dtype=object),
array(<type 'list'>, dtype=object),
array(<type 'list'>, dtype=object),
array(<type 'list'>, dtype=object),
array(<type 'list'>, dtype=object),
array(<type 'list'>, dtype=object),
array(<type 'list'>, dtype=object),
array(<type 'list'>, dtype=object),
array(<type 'list'>, dtype=object)], dtype=object)
Wprowadziłem zmianę tutaj: lista (_) i która działała świetnie – javadba
Aby być czystym @javadba, nie musisz tego robić - jestem na pewno jest jakiś Pythonistas, który by się obraził :) – BenDundee
To nie jest kwestia stylu. bez listy (_) to nawet nie działa w końcu dla przypadku mam, że y jest samą tablicą – javadba
a = np.empty(0)
for x in y:
a = np.append(a, x)
Ponieważ Y jest iterable I naprawdę nie rozumiem, dlaczego rozmowy dołączyć:
a = np.array(list(y))
zrobi i to znacznie szybciej:
import timeit
print timeit.timeit('list(s)', 's=set(x for x in xrange(1000))')
# 23.952975494633154
print timeit.timeit("""li=[]
for x in s: li.append(x)""", 's=set(x for x in xrange(1000))')
# 189.3826994248866
Co może być bardziej efektywnym podejściem, należy przydzielić dużą tablicę i podwoić jej wielkość za każdym razem, gdy osiągniesz pojemność. – wim