如何从生成器构建 numpy 数组？

Question

如何从生成器对象构建 numpy 数组？

我来说明一下问题：

>>> import numpy
>>> def gimme():
...   for x in xrange(10):
...     yield x
...
>>> gimme()
<generator object at 0x28a1758>
>>> list(gimme())
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> numpy.array(xrange(10))
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> numpy.array(gimme())
array(<generator object at 0x28a1758>, dtype=object)
>>> numpy.array(list(gimme()))
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

在本例中，gimme() 是生成器，我希望将其输出转换为数组。但是，数组构造函数不会迭代生成器，它只是存储生成器本身。我想要的行为是来自 numpy.array(list(gimme())) ，但我不想支付同时在内存中保留中间列表和最终数组的内存开销。有没有更节省空间的方法？

Answer 1

与 Python 列表不同，Numpy 数组需要在创建时显式设置其长度。这是必要的，以便可以在内存中连续分配每个项目的空间。连续分配是 numpy 数组的关键特性：这与本机代码实现相结合，使对它们的操作执行速度比常规列表快得多。

记住这一点，从技术上讲，不可能将生成器对象转换为数组，除非您：

1. 可以预测运行时会产生多少个元素：

   my_array = numpy.empty(predict_length())
   for i, el in enumerate(gimme()): my_array[i] = el
   

2. 愿意将其元素存储在中间列表中：

   my_array = numpy.array(list(gimme()))
   

3. 可以制作两个相同的生成器，运行第一个生成器以查找总长度，初始化数组，然后再次运行生成器以查找每个元素：

   length = sum(1 for el in gimme())
   my_array = numpy.empty(length)
   for i, el in enumerate(gimme()): my_array[i] = el
   

1 可能就是您正在寻找的。 2 空间效率低下，并且 3 时间效率低（你必须通过发电机两次）。

Answer 2

在这个 stackoverflow 结果背后谷歌一下，我发现有一个 numpy.fromiter(data, dtype, count). 。默认 count=-1 从可迭代对象中获取所有元素。它需要一个 dtype 明确设置。就我而言，这有效：

numpy.fromiter(something.generate(from_this_input), float)

Answer 3

尽管可以创建从与numpy.fromiter()发电机一维数组，则可以从与numpy.stack发电机创建的N d数组：

>>> mygen = (np.ones((5, 3)) for _ in range(10))
>>> x = numpy.stack(mygen)
>>> x.shape
(10, 5, 3)

它也适用于一维数组：

>>> numpy.stack(2*i for i in range(10))
array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18])

请注意numpy.stack内部消耗发生器和创建与arrays = [asanyarray(arr) for arr in arrays]中间列表。实施可以发现此处。

Answer 4

有点切，但如果你的发电机是一个列表理解，你可以使用numpy.where更有效地得到您的结果（我在自己的代码中发现了这一点看到这个帖子后）

Answer 5

这 虚拟堆栈, 栈, ， 和 数据栈 函数可以作为生成多维数组的输入生成器。