Использование numpy для построения массива из всех комбинаций двух массивов
https://stackoverflow.com/questions/1208118
-
05-07-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
RussianВопрос
Я пытаюсь пробежаться по пространству параметров 6-параметрической функции, чтобы изучить ее числовое поведение, прежде чем пытаться сделать с ней что-либо сложное, поэтому я ищу эффективный способ сделать это.
Моя функция принимает значения с плавающей запятой, заданные 6-тусклым массивом numpy в качестве входных данных.Изначально я пытался сделать вот что:
Сначала я создал функцию, которая принимает 2 массива и генерирует массив со всеми комбинациями значений из двух массивов
from numpy import *
def comb(a,b):
c = []
for i in a:
for j in b:
c.append(r_[i,j])
return c
Затем я использовал reduce() чтобы применить это к m копиям одного и того же массива:
def combs(a,m):
return reduce(comb,[a]*m)
И затем я оцениваю свою функцию следующим образом:
values = combs(np.arange(0,1,0.1),6)
for val in values:
print F(val)
Это работает, но, ваааай, слишком медленно.Я знаю, что пространство параметров огромно, но это не должно быть таким медленным.Я отобрал только 10 образцов6 (миллион) точек в этом примере, и только на создание массива ушло более 15 секунд values.
Знаете ли вы какой-нибудь более эффективный способ сделать это с помощью numpy?
Я могу изменить способ работы функции F принимает его аргументы, если это необходимо.
Решение
В более новой версии numpy (>1.8.x), numpy.meshgrid() обеспечивает гораздо более быструю реализацию:
решение @pv от
In [113]:
%timeit cartesian(([1, 2, 3], [4, 5], [6, 7]))
10000 loops, best of 3: 135 µs per loop
In [114]:
cartesian(([1, 2, 3], [4, 5], [6, 7]))
Out[114]:
array([[1, 4, 6],
[1, 4, 7],
[1, 5, 6],
[1, 5, 7],
[2, 4, 6],
[2, 4, 7],
[2, 5, 6],
[2, 5, 7],
[3, 4, 6],
[3, 4, 7],
[3, 5, 6],
[3, 5, 7]])
numpy.meshgrid() раньше он был только 2D, теперь он способен к нахождению.В данном случае 3D:
In [115]:
%timeit np.array(np.meshgrid([1, 2, 3], [4, 5], [6, 7])).T.reshape(-1,3)
10000 loops, best of 3: 74.1 µs per loop
In [116]:
np.array(np.meshgrid([1, 2, 3], [4, 5], [6, 7])).T.reshape(-1,3)
Out[116]:
array([[1, 4, 6],
[1, 5, 6],
[2, 4, 6],
[2, 5, 6],
[3, 4, 6],
[3, 5, 6],
[1, 4, 7],
[1, 5, 7],
[2, 4, 7],
[2, 5, 7],
[3, 4, 7],
[3, 5, 7]])
Обратите внимание, что порядок конечного результата немного отличается.
Другие советы
Вот чисто numpy-реализация.Это Калифорния.в 5 раз быстрее, чем при использовании itertools.
import numpy as np
def cartesian(arrays, out=None):
"""
Generate a cartesian product of input arrays.
Parameters
----------
arrays : list of array-like
1-D arrays to form the cartesian product of.
out : ndarray
Array to place the cartesian product in.
Returns
-------
out : ndarray
2-D array of shape (M, len(arrays)) containing cartesian products
formed of input arrays.
Examples
--------
>>> cartesian(([1, 2, 3], [4, 5], [6, 7]))
array([[1, 4, 6],
[1, 4, 7],
[1, 5, 6],
[1, 5, 7],
[2, 4, 6],
[2, 4, 7],
[2, 5, 6],
[2, 5, 7],
[3, 4, 6],
[3, 4, 7],
[3, 5, 6],
[3, 5, 7]])
"""
arrays = [np.asarray(x) for x in arrays]
dtype = arrays[0].dtype
n = np.prod([x.size for x in arrays])
if out is None:
out = np.zeros([n, len(arrays)], dtype=dtype)
m = n / arrays[0].size
out[:,0] = np.repeat(arrays[0], m)
if arrays[1:]:
cartesian(arrays[1:], out=out[0:m,1:])
for j in xrange(1, arrays[0].size):
out[j*m:(j+1)*m,1:] = out[0:m,1:]
return out
itertools.комбинации это, как правило, самый быстрый способ получить комбинации из контейнера Python (если вы действительно хотите комбинации, т. Е. расположения БЕЗ повторений и независимо от порядка;похоже, что это не то, что делает ваш код, но я не могу сказать, связано ли это с тем, что ваш код глючит или потому, что вы используете неправильную терминологию).
Если вы хотите что-то отличное от комбинаций, возможно, другие итераторы в itertools, product или permutations, могло бы сослужить вам лучшую службу.Например, похоже, что ваш код примерно такой же, как:
for val in itertools.product(np.arange(0, 1, 0.1), repeat=6):
print F(val)
Все эти итераторы выдают кортежи, а не списки или массивы numpy, поэтому, если ваш F придирчив к получению именно массива numpy, вам придется принять дополнительные накладные расходы на построение или очистку и повторное заполнение одного из них на каждом шаге.
Следующая реализация numpy должна быть ок.в 2 раза увеличивает скорость получения ответа:
def cartesian2(arrays):
arrays = [np.asarray(a) for a in arrays]
shape = (len(x) for x in arrays)
ix = np.indices(shape, dtype=int)
ix = ix.reshape(len(arrays), -1).T
for n, arr in enumerate(arrays):
ix[:, n] = arrays[n][ix[:, n]]
return ix
Похоже, вам нужна сетка для оценки вашей функции, и в этом случае вы можете использовать numpy.ogrid (открытый) или numpy.mgrid (конкретизировано):
import numpy
my_grid = numpy.mgrid[[slice(0,1,0.1)]*6]
Вы можете сделать что-то вроде этого
import numpy as np
def cartesian_coord(*arrays):
grid = np.meshgrid(*arrays)
coord_list = [entry.ravel() for entry in grid]
points = np.vstack(coord_list).T
return points
a = np.arange(4) # fake data
print(cartesian_coord(*6*[a])
что дает
array([[0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 1],
[0, 0, 0, 0, 0, 2],
...,
[3, 3, 3, 3, 3, 1],
[3, 3, 3, 3, 3, 2],
[3, 3, 3, 3, 3, 3]])
вы можете использовать np.array(itertools.product(a, b))
Вот еще один способ, использующий чистый NumPy, без рекурсии, без понимания списка и без явных циклов for.Это примерно на 20% медленнее, чем исходный ответ, и основано на np.meshgrid.
def cartesian(*arrays):
mesh = np.meshgrid(*arrays) # standard numpy meshgrid
dim = len(mesh) # number of dimensions
elements = mesh[0].size # number of elements, any index will do
flat = np.concatenate(mesh).ravel() # flatten the whole meshgrid
reshape = np.reshape(flat, (dim, elements)).T # reshape and transpose
return reshape
Например,
x = np.arange(3)
a = cartesian(x, x, x, x, x)
print(a)
дает
[[0 0 0 0 0]
[0 0 0 0 1]
[0 0 0 0 2]
...,
[2 2 2 2 0]
[2 2 2 2 1]
[2 2 2 2 2]]
Для чистой numpy-реализации декартова произведения одномерных массивов (или плоских списков python) просто используйте meshgrid(), перекатите оси с помощью transpose(), и изменить форму в соответствии с желаемым выходом:
def cartprod(*arrays):
N = len(arrays)
return transpose(meshgrid(*arrays, indexing='ij'),
roll(arange(N + 1), -1)).reshape(-1, N)
Обратите внимание, что при этом быстрее всего меняется последняя ось ("C style" или "row-major").
In [88]: cartprod([1,2,3], [4,8], [100, 200, 300, 400], [-5, -4])
Out[88]:
array([[ 1, 4, 100, -5],
[ 1, 4, 100, -4],
[ 1, 4, 200, -5],
[ 1, 4, 200, -4],
[ 1, 4, 300, -5],
[ 1, 4, 300, -4],
[ 1, 4, 400, -5],
[ 1, 4, 400, -4],
[ 1, 8, 100, -5],
[ 1, 8, 100, -4],
[ 1, 8, 200, -5],
[ 1, 8, 200, -4],
[ 1, 8, 300, -5],
[ 1, 8, 300, -4],
[ 1, 8, 400, -5],
[ 1, 8, 400, -4],
[ 2, 4, 100, -5],
[ 2, 4, 100, -4],
[ 2, 4, 200, -5],
[ 2, 4, 200, -4],
[ 2, 4, 300, -5],
[ 2, 4, 300, -4],
[ 2, 4, 400, -5],
[ 2, 4, 400, -4],
[ 2, 8, 100, -5],
[ 2, 8, 100, -4],
[ 2, 8, 200, -5],
[ 2, 8, 200, -4],
[ 2, 8, 300, -5],
[ 2, 8, 300, -4],
[ 2, 8, 400, -5],
[ 2, 8, 400, -4],
[ 3, 4, 100, -5],
[ 3, 4, 100, -4],
[ 3, 4, 200, -5],
[ 3, 4, 200, -4],
[ 3, 4, 300, -5],
[ 3, 4, 300, -4],
[ 3, 4, 400, -5],
[ 3, 4, 400, -4],
[ 3, 8, 100, -5],
[ 3, 8, 100, -4],
[ 3, 8, 200, -5],
[ 3, 8, 200, -4],
[ 3, 8, 300, -5],
[ 3, 8, 300, -4],
[ 3, 8, 400, -5],
[ 3, 8, 400, -4]])
Если вы хотите изменить Первый ось fastest ("FORTRAN style" или "column-major"), просто измените order параметр reshape() вот так: reshape((-1, N), order='F')
