2024-05-23 14:43:23 发布
网友
嗨,我是Python&Numpy的新手,我想问一下将ndarray分为3部分最有效的方法是什么:20%、60%和20%
import numpy as np row_indices = np.random.permutation(10)
假设ndarray有10项:[7 9 3 1 2 4 5 6 0 8] 预期结果是将数据集分为第1部分、第2部分和第3部分。第1部分:[7 9] 第2部分:[3 1 2 4 5] 第3部分:
我通常只选择最明显的解决方案,尽管也有很多更奇特的方法。它需要一秒钟的时间来实现,甚至不需要调试(因为它非常简单)
part1 = [a[i, ...] for i in range(int(a.shape[0] * 0.2))] part2 = [a[i, ...] for i in range(int(a.shape[0] * 0.2), int(len(a) * 0.6))] part3 = [a[i, ...] for i in range(int(a.shape[0] * 0.6), len(a))]
但有几件事需要注意
np.asarray()
indices = list(range(a.shape[0]))
有一个办法-
# data array In [85]: a = np.array([7, 9, 3, 1, 2, 4, 5, 6, 0, 8]) # percentages (ratios) array In [86]: p = np.array([0.2,0.6,0.2]) # must sum upto 1 In [87]: np.split(a,(len(a)*p[:-1].cumsum()).astype(int)) Out[87]: [array([7, 9]), array([3, 1, 2, 4, 5, 6]), array([0, 8])]
替代np.split:
np.split
np.split在处理大数据时可能会比较慢,因此,我们也可以在那里使用循环-
split_idx = np.r_[0,(len(a)*p.cumsum()).astype(int)] out = [a[i:j] for (i,j) in zip(split_idx[:-1],split_idx[1:])]
我通常只选择最明显的解决方案,尽管也有很多更奇特的方法。它需要一秒钟的时间来实现,甚至不需要调试(因为它非常简单)
但有几件事需要注意
np.asarray()
重新计算它们indices = list(range(a.shape[0]))
)之前获得一次索引,您还可以对它们进行洗牌,从而同时处理数据洗牌有一个办法-
替代
np.split
:np.split
在处理大数据时可能会比较慢,因此,我们也可以在那里使用循环-相关问题 更多 >
编程相关推荐