"Клонирование" векторов строк или столбцов

иногда полезно "клонировать" вектор строки или столбца в матрицу. Под клонированием я подразумеваю преобразование вектора строки, такого как

[1,2,3]

в матрицу

[[1,2,3]
 [1,2,3]
 [1,2,3]
]

или вектор столбца, например

[1
 2
 3
]

на

[[1,1,1]
 [2,2,2]
 [3,3,3]
]

в matlab или октаве это делается довольно легко:

 x = [1,2,3]
 a = ones(3,1) * x
 a =

    1   2   3
    1   2   3
    1   2   3

 b = (x') * ones(1,3)
 b =

    1   1   1
    2   2   2
    3   3   3

Я хочу повторить это в numpy, но безуспешно

In [14]: x = array([1,2,3])
In [14]: ones((3,1)) * x
Out[14]:
array([[ 1.,  2.,  3.],
       [ 1.,  2.,  3.],
       [ 1.,  2.,  3.]])
# so far so good
In [16]: x.transpose() * ones((1,3))
Out[16]: array([[ 1.,  2.,  3.]])
# DAMN
# I end up with 
In [17]: (ones((3,1)) * x).transpose()
Out[17]:
array([[ 1.,  1.,  1.],
       [ 2.,  2.,  2.],
       [ 3.,  3.,  3.]])

почему не работал первый метод (в[16])? Есть как достичь этой задачи в python более элегантным способом?

7 97
python matlab numpy linear-algebra octave

7 ответов:

вот элегантный, Питонический способ сделать это:

>>> array([[1,2,3],]*3)
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]])

>>> array([[1,2,3],]*3).transpose()
array([[1, 1, 1],
       [2, 2, 2],
       [3, 3, 3]])

проблема с [16] Кажется, что транспонирование не имеет никакого эффекта для массива. вы, вероятно, хотите матрицу вместо:

>>> x = array([1,2,3])
>>> x
array([1, 2, 3])
>>> x.transpose()
array([1, 2, 3])
>>> matrix([1,2,3])
matrix([[1, 2, 3]])
>>> matrix([1,2,3]).transpose()
matrix([[1],
        [2],
        [3]])
55

использовать numpy.tile:

>>> tile(array([1,2,3]), (3, 1))
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]])

или для повторяющихся столбцов:

>>> tile(array([[1,2,3]]).transpose(), (1, 3))
array([[1, 1, 1],
       [2, 2, 2],
       [3, 3, 3]])
214

во-первых, обратите внимание, что в пакете numpy в вещания операции обычно нет необходимости дублировать строки и столбцы. Смотрите этой и этой для описания.

но чтобы сделать это,повторить и newaxis вероятно, лучший способ

In [12]: x = array([1,2,3])

In [13]: repeat(x[:,newaxis], 3, 1)
Out[13]: 
array([[1, 1, 1],
       [2, 2, 2],
       [3, 3, 3]])

In [14]: repeat(x[newaxis,:], 3, 0)
Out[14]: 
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]])

этот пример для вектора строки, но применение этого к вектору столбца, надеюсь, очевидно. повторите, кажется, заклинание это хорошо, но вы также можете сделать это с помощью умножения, как в вашем примере

In [15]: x = array([[1, 2, 3]])  # note the double brackets

In [16]: (ones((3,1))*x).transpose()
Out[16]: 
array([[ 1.,  1.,  1.],
       [ 2.,  2.,  2.],
       [ 3.,  3.,  3.]])
30

Я думаю, что использование трансляции в numpy является лучшим, и быстрее

Я сделал сравнение следующим образом

import numpy as np
b = np.random.randn(1000)
In [105]: %timeit c = np.tile(b[:, newaxis], (1,100))
1000 loops, best of 3: 354 µs per loop

In [106]: %timeit c = np.repeat(b[:, newaxis], 100, axis=1)
1000 loops, best of 3: 347 µs per loop

In [107]: %timeit c = np.array([b,]*100).transpose()
100 loops, best of 3: 5.56 ms per loop

примерно в 15 раз быстрее с помощью broadcast

8

np.broadcast_to - это даже быстрее, чем np.tile:

x = np.arange(9)

%timeit np.broadcast_to(x, (6,9))
100000 loops, best of 3: 3.6 µs per loop

%timeit np.tile(x, (6,1))
100000 loops, best of 3: 8.4 µs per loop

но самый быстрый метод @tom10:

%timeit np.repeat(x[np.newaxis, :], 6, axis=0) 
100000 loops, best of 3: 3.15 µs per loop
5

можно использовать 

np.tile(x,3).reshape((4,3))

плитка будет генерировать повторений вектора

изменить форму и придаст ему форму, которую вы хотите

2
import numpy as np
x=np.array([1,2,3])
y=np.multiply(np.ones((len(x),len(x))),x).T
print(y)

выходы:

[[ 1.  1.  1.]
 [ 2.  2.  2.]
 [ 3.  3.  3.]]
0