使用 np.arange 创建坐标对列表

Question

我正在尝试使程序更快，我发现了这个 post 并且我想实施一个类似于该问题中给出的第四种情况的解决方案。

这是我使用的代码的相关部分：

count = 0
hist_dat = np.zeros(r**2)
points = np.zeros((r**2, 2))
for a in range(r):
    for b in range(r):
        for i in range(N):
            for j in range(N):
                hist_dat[count] += retval(a/r, (a+1)/r, data_a[i][j])*retval(b/r, (b+1)/r, data_b[i][j])/N
                points[count][0], points[count][1] = (a+0.5)/r, (b+0.5)/r
        count += 1

此代码的作用是生成标准化二维直方图的值（每个方向有 "r" 个分区）以及这些值的坐标 numpy.ndarray。正如您在链接的另一个问题中看到的那样，我目前使用的是第二糟糕的解决方案，它需要几分钟才能运行.

对于初学者，我想更改代码为 points 数组所做的事情（我认为一旦我能看到它是如何完成的，我就可以为 hist_dat 找出一些东西）。基本上是这样的：

在我处理的特定情况下，A 和 B 是相同的。因此，例如，它可能就像从 array([0, 0.5, 1]) 到 array([[0,0], [0,0.5], [0,1], [0.5,0], [0.5,0.5], [0.5,1], [1,0], [1,0.5], [1,1]])

是否有任何 numpy.ndarray 的方法或 np.arange() 的操作无需 for 循环即可完成上图所示的操作？

或者是否有任何替代方法可以像链接的 post 显示的 np.arange() 一样快？

Answer 1

您可以使用 np.c_ 组合 np.repeat 和 np.tile 的结果：

import numpy as np

start = 0.5
end = 5.5
step = 1.0

points = np.arange(start, end, step)  # [0.5, 1.5, 2.5, 3.5, 4.5]
output = np.c_[np.repeat(points, n_elements), np.tile(points, n_elements)]

print(output)

输出：

[[0.5 0.5]
 [0.5 1.5]
 [0.5 2.5]
 [0.5 3.5]
 [0.5 4.5]
 [1.5 0.5]
 [1.5 1.5]
 [1.5 2.5]
 [1.5 3.5]
 [1.5 4.5]
 [2.5 0.5]
 [2.5 1.5]
 [2.5 2.5]
 [2.5 3.5]
 [2.5 4.5]
 [3.5 0.5]
 [3.5 1.5]
 [3.5 2.5]
 [3.5 3.5]
 [3.5 4.5]
 [4.5 0.5]
 [4.5 1.5]
 [4.5 2.5]
 [4.5 3.5]
 [4.5 4.5]]

Answer 2

也许 np.mgird 会有帮助？

import numpy as np
np.mgrid[0:2:.5,0:2:.5].reshape(2,4**2).T

输出：

array([[0. , 0. ],
       [0. , 0.5],
       [0. , 1. ],
       [0. , 1.5],
       [0.5, 0. ],
       [0.5, 0.5],
       [0.5, 1. ],
       [0.5, 1.5],
       [1. , 0. ],
       [1. , 0.5],
       [1. , 1. ],
       [1. , 1.5],
       [1.5, 0. ],
       [1.5, 0.5],
       [1.5, 1. ],
       [1.5, 1.5]])

使用 np.arange 创建坐标对列表

Using np.arange to create list of coordinate pairs

python

statistics

numpy

scientific-computing

numpy-ndarray