Ma trận Numpy để mảng

Tôi đang sử dụng numpy. Tôi có một ma trận với 1 cột và N hàng và tôi muốn lấy một mảng từ với N phần tử.

Ví dụ, nếu tôi có M = matrix([[1], [2], [3], [4]]), tôi muốn lấy A = array([1,2,3,4]).

Để đạt được nó, tôi sử dụng A = np.array(M.T)[0]. Có ai biết một cách thanh lịch hơn để có được kết quả tương tự?

Cảm ơn!

Nếu bạn muốn thứ gì đó dễ đọc hơn một chút, bạn có thể làm điều này:

A = np.squeeze(np.asarray(M))

Tương tự, bạn cũng có thể làm : A = np.asarray(M).reshape(-1), nhưng điều đó dễ đọc hơn một chút.

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)

tôi phụ thuộc vào ý của bạn bởi sự tao nhã tôi cho rằng nhưng đó là những gì tôi sẽ làm

Bạn có thể thử biến thể sau:

result=np.array(M).flatten()

np.array(M).ravel()

Nếu bạn quan tâm đến tốc độ; Nhưng nếu bạn quan tâm đến bộ nhớ:

np.asarray(M).ravel()

Hoặc bạn có thể cố gắng tránh một số temps với

A = M.view(np.ndarray)
A.shape = -1

Đầu tiên, Mv = numpy.asarray(M.T)cung cấp cho bạn một mảng 4x1 nhưng 2D.

Sau đó, thực hiện A = Mv[0,:], cung cấp cho bạn những gì bạn muốn. Bạn có thể đặt chúng lại với nhau, như numpy.asarray(M.T)[0,:].

Điều này sẽ chuyển đổi ma trận thành mảng

A = np.ravel(M).T

Hàm ravel () và flatten () từ numpy là hai kỹ thuật mà tôi sẽ thử ở đây. Tôi sẽ muốn thêm vào các bài viết được thực hiện bởi Joe , Siraj , bong bóng và Kevad .

Ravel:

A = M.ravel()
print A, A.shape
>>> [1 2 3 4] (4,)

Làm phẳng:

M = np.array([[1], [2], [3], [4]])
A = M.flatten()
print A, A.shape
>>> [1 2 3 4] (4,)

numpy.ravel()là nhanh hơn , vì nó là một hàm cấp thư viện không tạo ra bất kỳ bản sao nào của mảng. Tuy nhiên, bất kỳ thay đổi nào trong mảng A sẽ tự chuyển sang mảng M ban đầu nếu bạn đang sử dụngnumpy.ravel() .

numpy.flatten()là chậm hơn so vớinumpy.ravel() . Nhưng nếu bạn đang sử dụng numpy.flatten()để tạo A, thì những thay đổi trong A sẽ không được chuyển sang mảng M ban đầu .

numpy.squeeze()và M.reshape(-1)chậm hơn numpy.flatten()và 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