Python使用shi添加numpy数组

Question

如何使用pythonnumpy数组使用shift完成列添加？在

我有二维数组，需要它的扩展拷贝。在

a = array([[0, 2, 4, 6, 8],
       [1, 3, 5, 7, 9]])

我想要这样的东西（以下是伪代码，它不起作用；据我所知，numpy中没有a.columns）：

^{pr2}$

我也知道，我可以用索引做类似于我需要的事情。但我觉得列举三个值而只使用一个（j）真是太过分了：

for (i,j),value in np.ndenumerate(a):
    print i,j

我发现，我可以迭代列，但不能遍历它们的索引：

for column in a.T:
    print column

我认为我可以简单地用类似于xrange的东西来实现，但是应用于多维数组：

In [225]: for column in np.ndindex(a.shape[1]):
            print column
   .....:     
(0,)
(1,)
(2,)
(3,)
(4,)

所以现在我只知道如何用简单的xrange来实现这一点，我不确定，这是最好的解决方案。在

out = np.zeros(a.shape)
shift = 2
mult_factor = 0.7
for i in xrange(a.shape[1]-shift):
    print a[:, i]
    out[:, i] =  a[:, i] + mult_factor * a[:, i+shift]

然而，在Python中，它的速度可能不会太快。 你能给我一个建议吗？它的性能如何？也许有更快速的方法用shift来完成numpy数组的列添加？在

Answer 1

out = a[:, :-shift] + mult_factor * a[:, shift:]

我想这就是你要找的。它是循环的向量化形式，在a的大片段上操作，而不是逐列操作。在

Answer 2

我不确定，我完全理解计算出的数量应该是多少，但这里有两件事似乎与你的要求密切相关：

1. 如果您有一个名为a的2D数组，您希望将其转换为1D数组的列表，这些数组是a的列，那么可以这样做

   cols=[c代表a.T中的c]

2. 如果我没弄错的话，你想要的东西可以用矩阵乘法来完成。您可以使用numpy.diag在numpy中创建带状矩阵，或者，由于每个带1、mult_因子或0的值相同，所以可以使用scipy.linalg.toeplitz

   m，n=a.shape
   波段=np.eye公司（1，n）
   频带[0，移位]=多因子
   T=西皮.利纳格.托普利茨(np.eye公司（1，m），波段）
   输出=np.内部（a，T）

对于大型矩阵，如果您只想添加T的两列或几列，那么为T使用稀疏矩阵可能是有意义的。在