Я использую numpy. У меня есть матрица с 1 столбец и N строк, и я хочу получить массив из N элементов.
Например, если у меня есть M = matrix([[1], [2], [3], [4]]), я хочу получить A = array([1,2,3,4]).
Чтобы добиться этого, я использую A = np.array(M.T)[0]. Кто-нибудь знает более элегантный способ получить тот же результат?
Спасибо!
Если вы хотите что-то более читаемое, вы можете сделать это:
A = np.squeeze(np.asarray(M))
Эквивалентно, вы также можете сделать: A = np.asarray(M).reshape(-1), но это немного легче читать.
result = M.A1
https://docs.scipy.org/doc/numpy-1.14.0/reference/generated/numpy.matrix.A1.html
matrix.A1
1-d base array
A, = np.array(M.T)
зависит от того, что вы подразумеваете под элегантностью, я полагаю, но это то, что я сделал бы
Вы можете попробовать следующий вариант:
result=np.array(M).flatten()
Или вы можете попытаться избежать некоторых темпов с помощью
A = M.view(np.ndarray)
A.shape = -1
np.array(M).ravel()
Если вам нужна скорость; Но если вы заботитесь о памяти:
np.asarray(M).ravel()
Сначала Mv = numpy.asarray(M.T), который дает вам 4x1, но 2D-массив.
Затем выполните A = Mv[0,:], который даст вам то, что вы хотите. Вы можете собрать их вместе, как numpy.asarray(M.T)[0,:].
Это преобразует матрицу в массив
A = np.ravel(M).T
Хороший способ, который позволит выбрать соглашение, которое вы предпочитаете (row major, col major...)
A = M.flatten()
Просмотрите документацию, чтобы просмотреть параметры
Функции ravel() и flatten() из numpy - это два метода, которые я бы попробовал здесь. Я хотел бы добавить к сообщениям, сделанным Джо, Сираджем, Бублом и Кевадом.
Равель:
A = M.ravel()
print A, A.shape
>>> [1 2 3 4] (4,)
Свести:
M = np.array([[1], [2], [3], [4]])
A = M.flatten()
print A, A.shape
>>> [1 2 3 4] (4,)
numpy.ravel() работает быстрее, поскольку это функция уровня библиотеки, которая не создает никакой копии массива. Однако любое изменение в массиве A будет перенесено в исходный массив M, если вы используете numpy.ravel().
numpy.flatten() работает медленнее, чем numpy.ravel(). Но если вы используете numpy.flatten() для создания A, то изменения в не будут перенесены в исходный массив M.
numpy.squeeze() и M.reshape(-1) работают медленнее, чем numpy.flatten() и numpy.ravel().
%timeit M.ravel()
>>> 1000000 loops, best of 3: 309 ns per loop
%timeit M.flatten()
>>> 1000000 loops, best of 3: 650 ns per loop
%timeit M.reshape(-1)
>>> 1000000 loops, best of 3: 755 ns per loop
%timeit np.squeeze(M)
>>> 1000000 loops, best of 3: 886 ns per loop