列表到 Numpy 数组
List to Numpy array
Python 这里是新手。我有一个大小为 9 的数组列表。列表中的每个元素都包含一个大小为 (1,7) 的 numpy 数组。如何将列表转换为大小为 (9,7) 的 numpy 数组？
谢谢！
如何将一系列水平向量放入一个数组中
np.array(a).reshape(len(a), a[0].shape[1])
np.vstack(a)
np.r_[(*a,)]
np.array(a).squeeze() 只有知道 才适用，所以你不会不小心把它们丢掉。
至于速度，似乎 squeeze 或 reshape 比其他的要好，但这似乎只适用于小型阵列，例如大小为 100 x 100:
的数组
在大尺寸下，工作速度变得相当，例如1000 x 1000:
给定足够大的尺寸，reshape 和 vstack 具有可比性并且性能优于其他尺寸，例如10 000 x 10 000:
就 np.array(...).reshape(...) 在不同尺寸下显示出同样好的结果而言，这似乎是一个不错的选择。尽管我更喜欢 vstack 作为更清晰且性能合理的选项。
p.s。当然，性能取决于硬件并且可能会有所不同。我想证明在这种情况下没有灵丹妙药。
Python 这里是新手。我有一个大小为 9 的数组列表。列表中的每个元素都包含一个大小为 (1,7) 的 numpy 数组。如何将列表转换为大小为 (9,7) 的 numpy 数组？
谢谢！
如何将一系列水平向量放入一个数组中
np.array(a).reshape(len(a), a[0].shape[1])
np.vstack(a)
np.r_[(*a,)]
np.array(a).squeeze() 只有知道
至于速度，似乎 squeeze 或 reshape 比其他的要好，但这似乎只适用于小型阵列，例如大小为 100 x 100:
在大尺寸下，工作速度变得相当，例如1000 x 1000:
给定足够大的尺寸，reshape 和 vstack 具有可比性并且性能优于其他尺寸，例如10 000 x 10 000:
就 np.array(...).reshape(...) 在不同尺寸下显示出同样好的结果而言，这似乎是一个不错的选择。尽管我更喜欢 vstack 作为更清晰且性能合理的选项。
p.s。当然，性能取决于硬件并且可能会有所不同。我想证明在这种情况下没有灵丹妙药。