Сгладить список вложенных списков с переменными размерами в массив SciPy

Ответ 1

Как насчет np.fromiter:

In [49]: %timeit np.hstack(lst*1000)
10 loops, best of 3: 25.2 ms per loop

In [50]: %timeit np.array(list(chain.from_iterable(lst*1000)))
1000 loops, best of 3: 1.81 ms per loop

In [52]: %timeit np.fromiter(chain.from_iterable(lst*1000), dtype='int')
1000 loops, best of 3: 1 ms per loop

Ответ 2

Вы можете попробовать numpy.hstack

>>> lst = [[1, 2, 3, 4],[2, 3],[1, 2, 3, 4, 5],[4, 1, 2]]
>>> np.hstack(lst)
array([1, 2, 3, 4, 2, 3, 1, 2, 3, 4, 5, 4, 1, 2])

Ответ 3

Самый быстрый способ создания массива numpy из итератора - использовать numpy.fromiter:

>>> %timeit numpy.fromiter(itertools.chain.from_iterable(lst), numpy.int64)
100000 loops, best of 3: 3.76 us per loop
>>> %timeit numpy.array(list(itertools.chain.from_iterable(lst)))
100000 loops, best of 3: 14.5 us per loop
>>> %timeit numpy.hstack(lst)
10000 loops, best of 3: 57.7 us per loop

Как вы можете видеть, это быстрее, чем преобразование в список и намного быстрее, чем hstack.

Ответ 4

Как насчет попытки:

np.hstack(lst)

Ответ 5

Используйте chain.from_iterable:

vec = sp.array(list(chain.from_iterable(lst)))

Это позволяет избежать использования *, которое довольно дорого обрабатывается, если в iterable есть много подписок.

Другой вариант может состоять в sum списках:

vec = sp.array(sum(lst, []))

Обратите внимание, что это приведет к квадратичному перераспределению . Что-то вроде этого работает намного лучше:

def sum_lists(lst):
    if len(lst) < 2:
        return sum(lst, [])
    else:
        half_length = len(lst) // 2
        return sum_lists(lst[:half_length]) + sum_lists(lst[half_length:])

На моей машине я получаю:

>>> L = [[random.randint(0, 500) for _ in range(x)] for x in range(10, 510)]
>>> timeit.timeit('sum(L, [])', 'from __main__ import L', number=1000)
168.3029818534851
>>> timeit.timeit('sum_lists(L)', 'from __main__ import L,sum_lists', number=1000)
10.248489141464233
>>> 168.3029818534851 / 10.248489141464233
16.422223757114615

Как вы можете видеть, 16-кратное ускорение. chain.from_iterable еще быстрее:

>>> timeit.timeit('list(itertools.chain.from_iterable(L))', 'import itertools; from __main__ import L', number=1000)
1.905594825744629
>>> 10.248489141464233 / 1.905594825744629
5.378105042586658

Другие 6-кратные ускорения.

Я искал решение "pure-python", не зная numpy. Я верю, что Abhijit решение unutbu/senderle - это способ пойти в вашем случае.

Ответ 6

Используйте функцию для сглаживания списка

>>> flatten = lambda x: [y for l in x for y in flatten(l)] if type(x) is list else [x]
>>> flatten(lst)