Python 列表推导与 Numpy

Question

我在寻找一种在Numpy中使用类似列表推导的方法，这样就可以不使用for循环了。例如，index_values是一个包含多个列表的Python字典（每个列表里有不同数量的索引值），而s是一个Numpy向量：

for i in range(33):
    s[index_values[i]] += 4.1

有没有什么方法可以不使用for循环呢？

Answer 1

那这个怎么样：

s[reduce(lambda x,y: x+y, [index_values[x] for x in range(33)], [])] = 4.1

Answer 2

我不太明白index_values到底是什么样的对象。不过，如果它是一个ndarray（一种数据结构），或者可以转换成ndarray，你可以直接这样做：

>>> s = numpy.arange(20)
>>> index_values = (numpy.random.random((3, 3)) * 20).astype('i')
>>> s[index_values] = 4
>>> s
array([ 0,  1,  4,  4,  4,  5,  6,  4,  8,  4,  4, 11, 12, 
       13,  4, 15,  4,  4,  4, 19])

补充：但在这种情况下，这似乎行不通。根据你的修改和评论，我想出了一个可能适合你的方法。一个随机的列表，里面包含长度不一的子列表……

>>> index_values = [list(range(x, x + random.randrange(1, 5)))
...                 for x in [random.randrange(0,50) for y in range(33)]]

……其实很容易转换成一个数组：

>>> index_value_array = numpy.fromiter(itertools.chain(*index_values), 
                                       dtype='i')

如果你知道数组的长度，可以指定count来提高性能：

>>> index_value_array = numpy.fromiter(itertools.chain(*index_values), 
                                       dtype='i', count=83)

因为你的修改表明你想要类似直方图的效果，简单的索引方法不太适用，正如Robert Kern所指出的。所以使用numpy.histogram：

>>> hist = numpy.histogram(index_value_array, bins=range(0, 51))

histogram实际上是专门为浮点数的直方图设计的。这意味着箱子的范围需要比预期的稍大，因为最后一个值会被包含在最后一个箱子里，所以如果我们使用更直观的range(0, 50)，那么48和49会在同一个箱子里。结果是一个元组，里面有一个n个计数的数组和一个n + 1个箱子边界的数组：

>>> hist
(array([2, 2, 1, 2, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0, 1, 1, 1, 5, 5, 5, 3, 3, 
        3, 3, 3, 2, 1, 0, 2, 3, 3, 1, 0, 2, 3, 2, 2, 2, 3, 2, 1, 1, 2, 2, 
        2, 0, 0, 0, 1, 0]), 
 array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
        17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33,
        34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50]))

现在我们可以把计数乘以4.1，并进行向量加法：

>>> s = numpy.arange(50, dtype='f')
>>> hist[0] * 4.1 + s
array([  8.2,   9.2,   6.1,  11.2,   8.1,   5. ,   6. ,   7. ,  12.1,
        13.1,  14.1,  15.1,  16.1,  13. ,  18.1,  19.1,  20.1,  37.5,
        38.5,  39.5,  32.3,  33.3,  34.3,  35.3,  36.3,  33.2,  30.1,
        27. ,  36.2,  41.3,  42.3,  35.1,  32. ,  41.2,  46.3,  43.2,
        44.2,  45.2,  50.3,  47.2,  44.1,  45.1,  50.2,  51.2,  52.2,
        45. ,  46. ,  47. ,  52.1,  49. ])

我不知道这是否符合你的需求，但这似乎是个不错的方法，而且由于只使用了numpy和itertools，速度应该接近C语言的速度。