Numpy 的 Python 列表理解

我正在 Numpy 中寻找列表理解方法或类似方法，以消除 for 循环的使用，例如。 index_values 是一个由列表组成的 Python 字典列表（每个列表包含不同数量的索引值），s 是一个 numpy 向量：

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

有没有一种方法可以消除 for 循环？

我不完全明白什么样的物体index_values是。但如果它是一个ndarray，或者可以转换为ndarray，你可以这样做：

>>> 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])

Edit:但在这种情况下似乎行不通。根据您的编辑和评论，我认为以下方法可能适合您。具有不同长度的随机列表......

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

...转换成数组并不难：

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

如果您知道数组的长度，请指定count为了获得更好的性能：

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

正如 Robert Kern 指出的那样，由于您的编辑表明您想要类似直方图的行为，因此简单的索引是行不通的。所以使用numpy.histogram:

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

histogram实际上是为浮点直方图构建的。这意味着 bin 必须比预期大一点，因为最后一个值包含在最后一个 bin 中，因此如果我们使用更直观的方式，48 和 49 将位于同一个 bin 中range(0, 50)。结果是一个包含数组的元组n计数和数组n + 1垃圾箱边框：

>>> 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]))

现在我们可以将计数放大 4.1 倍并执行向量加法：

>>> 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. ])

我不知道这是否适合您的目的，但这似乎是一个很好的方法，并且可能会以接近 c 的速度发生，因为它仅使用numpy and itertools.