创建np.z元组

Question

我可能太傻了，但我需要一个快速的版本：

for i in range(0,4):
    c.append((0,0,0))

out: [(0,0,0),(0,0,0),(0,0,0),(0,0,0)] 

我想在shape of (xL,)中创建一个zero filled tuple，x是(0,0,0)'s的量。。。我现在有三个解决方案，没有一个包括np.zero

Answer 1

如果您只需要一个元组列表，那么您应该使用普通的python，numpy不会加快速度，因为您需要在numpy数组和列表/元组之间来回转换。

这个应该足够快：

def mkTuples(x, L):
    return [(0,)*L]*x

比较：

In [1]: import numpy as np

In [2]: x, L = 10**5, 4

In [3]: %timeit map(tuple, np.zeros((x,L)))
10 loops, best of 3: 177 ms per loop

In [4]: %timeit [(0,)*L]*x
1000 loops, best of 3: 1.07 ms per loop

如果必须是numpy数组，可以执行以下操作：

a = np.emtpy(x, dtype=tuple)
a[:] = ((0,)*L,)

它的速度与普通python版本大致相同，但会产生一个包含元组的numpy数组。

我希望np.full(x, (0,)*L, dtype=tuple)可以工作，但是numpy希望广播第二个参数，即使它实际上对应于一个条目。把它包装成上面这样的另一个元组也不起作用。

Answer 2

您可以使用^{}：

>>> import numpy as np
>>> np.zeros(4*3).reshape(4,3)
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])

如果你想把它变成元组：

>>> map(tuple,np.zeros(4*3).reshape(4,3))
[(0.0, 0.0, 0.0), (0.0, 0.0, 0.0), (0.0, 0.0, 0.0), (0.0, 0.0, 0.0)]

或者正如@Divakar在评论中提到的，在zeros函数中使用服装形状是一种更优雅的方式：

map(tuple,np.zeros((4,3),dtype=int))

Answer 3

您可以选择结构化阵列路径：

In [304]: np.zeros((10,),dtype='i,i,i')
Out[304]: 
array([(0, 0, 0), (0, 0, 0), (0, 0, 0), (0, 0, 0), (0, 0, 0), (0, 0, 0),
       (0, 0, 0), (0, 0, 0), (0, 0, 0), (0, 0, 0)], 
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<i4')])

严格地说，这些不是元组-它只是将它们显示为元组。

但是要获得元组列表，只需使用tolist：

In [305]: np.zeros((10,),dtype='i,i,i').tolist()
Out[305]: 
[(0, 0, 0),
 (0, 0, 0),
 (0, 0, 0),
 ...
 (0, 0, 0),
 (0, 0, 0),
 (0, 0, 0)]

您可以使用由','.join(['i']*3)生成的字符串来泛化元组长度

对于非结构化方法，我将使用

[tuple(x) for x in np.zeros((10,3),int)]

在Python3中（特别是），我更喜欢列表理解，而不是等价的映射：list(map(tuple, np.zeros((10,3),int)))。

一些计时（L=10**5）：

结构化阵列：

In [340]: timeit np.zeros((L,),dtype='i,i,i')
10000 loops, best of 3: 77.5 µs per loop

已转换为元组列表的结构化数组：

In [341]: timeit np.zeros((L,),dtype='i,i,i').tolist()
10 loops, best of 3: 73.6 ms per loop

二维数组中的元组列表：

In [342]: timeit [tuple(x) for x in np.zeros((L,3),int)]
1 loops, best of 3: 223 ms per loop

纯python元组列表：

In [343]: timeit [(0,0,0) for _ in range(L)]
100 loops, best of 3: 15.1 ms per loop

元组的最佳列表（@swensel）：

In [344]: timeit [(0,0,0)]*L
1000 loops, best of 3: 429 µs per loop

如果最终目标是一个元组列表，那么就坚持使用Python。

如果目标是一个numpy结构的数组，那么直接执行。

---

在使用[(0,0,0)]*L时需要注意的一点是，这通过简单地复制指针来实现其速度。列表中的每个条目都指向同一个元组。对于可能有严重问题的嵌套列表：

x = [[0,0,0]]*L
x[1][1] = 3

更改每个子列表。对于元组来说，这并不是什么大问题，因为它们是不可变的。