Инициализация матрицы numpy на что-то отличное от нуля или единицы

Question

Инициализация матрицы numpy на что-то отличное от нуля или единицы

У меня есть следующий код:

r = numpy.zeros(shape = (width, height, 9))

он создает матрицу ширины x высоты x 9, заполненную нулями. Вместо этого я хотел бы знать, есть ли функция или способ инициализировать их вместо NaN.

есть ли? Не прибегая к ручному выполнению петель и тому подобного?

спасибо

477 7

python numpy

7 ответов:

Comments

Ничего не найдено.

u0b34a0f6ae · Accepted Answer · 2017-11-28 18:44:10

вам редко нужны петли для векторных операций в numpy. Вы можете создать неинициализированный массив и назначить всем записям сразу:
>>> a = numpy.empty((3,3,))
>>> a[:] = numpy.nan
>>> a
array([[ NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN]])
Я рассчитал альтернативы a[:] = numpy.nan здесь a.fill(numpy.nan) как опубликовано Blaenk:
$ python -mtimeit "import numpy as np; a = np.empty((100,100));" "a.fill(np.nan)"
10000 loops, best of 3: 54.3 usec per loop
$ python -mtimeit "import numpy as np; a = np.empty((100,100));" "a[:] = np.nan" 
10000 loops, best of 3: 88.8 usec per loop
тайминги показывают предпочтение для ndarray.fill(..) как более быстрая альтернатива. OTOH, мне нравится удобная реализация numpy, где вы можете назначать значения целым срезам в то время, намерение кода очень ясно.

pietro · Accepted Answer · 2018-01-11 05:32:14

другой вариант-использовать numpy.full, опция доступна в NumPy 1.8+
a = np.full([height, width, 9], np.nan)
Это довольно гибкие и вы можете заполнить его с любым другим номером, который вы хотите.

Jorge Israel Peña · Accepted Answer · 2009-11-10 02:39:22

вы знакомы с numpy.nan?

вы можете создать свой собственный метод, таких как:
def nans(shape, dtype=float):
    a = numpy.empty(shape, dtype)
    a.fill(numpy.nan)
    return a
затем
nans([3,4])
выводит
array([[ NaN,  NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN,  NaN]])
Я нашел этот код список рассылки нить.

Nico Schlömer · Accepted Answer · 2018-06-19 14:25:57

Я сравнил предложенные альтернативы для скорости и обнаружил, что для достаточно больших векторов/матриц для заполнения все альтернативы, кроме val * ones и array(n * [val]) одинаково быстро.

код для воспроизведения сюжета:
import numpy
import perfplot

val = 42.0


def fill(n):
    a = numpy.empty(n)
    a.fill(val)
    return a


def colon(n):
    a = numpy.empty(n)
    a[:] = val
    return a


def full(n):
    return numpy.full(n, val)


def ones_times(n):
    return val * numpy.ones(n)


def list(n):
    return numpy.array(n * [val])


perfplot.show(
    setup=lambda n: n,
    kernels=[fill, colon, full, ones_times, list],
    n_range=[2**k for k in range(20)],
    logx=True,
    logy=True,
    xlabel='len(a)'
    )

hobs · Accepted Answer · 2017-05-23 15:10:31

вы всегда можете использовать умножение, если вы сразу не вспомнить .empty или .full методы:
>>> np.nan * np.ones(shape=(3,2))
array([[ nan,  nan],
       [ nan,  nan],
       [ nan,  nan]])
конечно, он работает и с любым другим числовым значением:
>>> 42 * np.ones(shape=(3,2))
array([[ 42,  42],
       [ 42,  42],
       [ 42, 42]])
но @u0b34a0f6ae принято отвечать в 3 раза быстрее (циклы процессора, а не мозговые циклы для запоминания синтаксиса numpy;):
$ python -mtimeit "import numpy as np; X = np.empty((100,100));" "X[:] = np.nan;"
100000 loops, best of 3: 8.9 usec per loop
(predict)laneh@predict:~/src/predict/predict/webapp$ master
$ python -mtimeit "import numpy as np; X = np.ones((100,100));" "X *= np.nan;"
10000 loops, best of 3: 24.9 usec per loop

ntg · Accepted Answer · 2016-07-19 19:43:11

Как сказано, numpy.пустой () - это путь. Однако для объектов fill () может не делать именно то, что вы думаете:
In[36]: a = numpy.empty(5,dtype=object)
In[37]: a.fill([])
In[38]: a
Out[38]: array([[], [], [], [], []], dtype=object)
In[39]: a[0].append(4)
In[40]: a
Out[40]: array([[4], [4], [4], [4], [4]], dtype=object)
один из способов может быть, например:
In[41]: a = numpy.empty(5,dtype=object)
In[42]: a[:]= [ [] for x in range(5)]
In[43]: a[0].append(4)
In[44]: a
Out[44]: array([[4], [], [], [], []], dtype=object)

JHBonarius · Accepted Answer · 2017-12-24 12:46:48

еще одна возможность, еще не упомянутая здесь, заключается в использовании плитки NumPy:
a = numpy.tile(numpy.nan, (3, 3))
дает
array([[ NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN]])
Я не знаю о сравнении скорости.