Предположите, что следующие массивы даны:
a = array([1,3,5])
b = array([2,4,6])
Как можно было бы вплести их эффективно так, чтобы каждый получил третий массив как это
c = array([1,2,3,4,5,6])
Это может быть принято это length(a)==length(b)
.
Мне нравится ответ Josh's. Я просто хотел добавить более приземленное, обычное, и немного больше подробного решения. Я не знаю, который более эффективен. Я ожидаю, что у них будет подобная производительность.
import numpy as np
a = np.array([1,3,5])
b = np.array([2,4,6])
c = np.empty((a.size + b.size,), dtype=a.dtype)
c[0::2] = a
c[1::2] = b
Вот острота:
c = numpy.vstack((a,b)).reshape((-1,),order='F')
Я думал, что могло бы стоить проверить как решения, выполненные с точки зрения производительности. И это - результат:
Это ясно показывает, что большая часть upvoted и принятый ответ (ответ Pauls) являются также самой быстрой опцией.
код был взят из других ответов и от другой Q& :
# Setup
import numpy as np
def Paul(a, b):
c = np.empty((a.size + b.size,), dtype=a.dtype)
c[0::2] = a
c[1::2] = b
return c
def JoshAdel(a, b):
return np.vstack((a,b)).reshape((-1,),order='F')
def xioxox(a, b):
return np.ravel(np.column_stack((a,b)))
def Benjamin(a, b):
return np.vstack((a,b)).ravel([-1])
def andersonvom(a, b):
return np.hstack( zip(a,b) )
def bhanukiran(a, b):
return np.dstack((a,b)).flatten()
def Tai(a, b):
return np.insert(b, obj=range(a.shape[0]), values=a)
def Will(a, b):
return np.ravel((a,b), order='F')
# Timing setup
timings = {Paul: [], JoshAdel: [], xioxox: [], Benjamin: [], andersonvom: [], bhanukiran: [], Tai: [], Will: []}
sizes = [2**i for i in range(1, 20, 2)]
# Timing
for size in sizes:
func_input1 = np.random.random(size=size)
func_input2 = np.random.random(size=size)
for func in timings:
res = %timeit -o func(func_input1, func_input2)
timings[func].append(res)
%matplotlib notebook
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(1)
ax = plt.subplot(111)
for func in timings:
ax.plot(sizes,
[time.best for time in timings[func]],
label=func.__name__) # you could also use "func.__name__" here instead
ax.set_xscale('log')
ax.set_yscale('log')
ax.set_xlabel('size')
ax.set_ylabel('time [seconds]')
ax.grid(which='both')
ax.legend()
plt.tight_layout()
На всякий случай Вы имеете numba доступный, Вы могли также использовать это для создания функции:
import numba as nb
@nb.njit
def numba_interweave(arr1, arr2):
res = np.empty(arr1.size + arr2.size, dtype=arr1.dtype)
for idx, (item1, item2) in enumerate(zip(arr1, arr2)):
res[idx*2] = item1
res[idx*2+1] = item2
return res
Это могло быть немного быстрее, чем другие альтернативы:
Вот более простой ответ, чем некоторые предыдущие
import numpy as np
a = np.array([1,3,5])
b = np.array([2,4,6])
inter = np.ravel(np.column_stack((a,b)))
После того, как это inter
будет содержать:
array([1, 2, 3, 4, 5, 6])
Этот ответ также, кажется, незначительно быстрее:
In [4]: %timeit np.ravel(np.column_stack((a,b)))
100000 loops, best of 3: 6.31 µs per loop
In [8]: %timeit np.ravel(np.dstack((a,b)))
100000 loops, best of 3: 7.14 µs per loop
In [11]: %timeit np.vstack((a,b)).ravel([-1])
100000 loops, best of 3: 7.08 µs per loop
Это чередует/чередует два массива, и я полагаю, что это довольно читаемо:
a = np.array([1,3,5]) #=> array([1, 3, 5])
b = np.array([2,4,6]) #=> array([2, 4, 6])
c = np.hstack( zip(a,b) ) #=> array([1, 2, 3, 4, 5, 6])
Возможно, это более читаемо, чем решение @JoshAdel:
c = numpy.vstack((a,b)).ravel([-1])
Улучшение ответа @xioxox:
import numpy as np
a = np.array([1,3,5])
b = np.array([2,4,6])
inter = np.ravel((a,b), order='F')
vstack
уверенный опция, но больше простого решения для Вашего случая могло быть hstack
>>> a = array([1,3,5])
>>> b = array([2,4,6])
>>> hstack((a,b)) #remember it is a tuple of arrays that this function swallows in.
>>> array([1, 3, 5, 2, 4, 6])
>>> sort(hstack((a,b)))
>>> array([1, 2, 3, 4, 5, 6])
, и что еще более важно это работает на произвольные формы a
, и b
Также можно хотеть испытать dstack
>>> a = array([1,3,5])
>>> b = array([2,4,6])
>>> dstack((a,b)).flatten()
>>> array([1, 2, 3, 4, 5, 6])
, u've получил опции теперь!
Можно также попробовать np.insert
. (Решение, перемещенное от Чередование numpy массивы )
import numpy as np
a = np.array([1,3,5])
b = np.array([2,4,6])
np.insert(b, obj=range(a.shape[0]), values=a)
, посмотрите documentation
и tutorial
для получения дополнительной информации.