python-3.x 向量到相邻向量的数组

hivapdat 于 2023-02-06 发布在 Python

关注(0)|答案(2)|浏览(124)

我想取一个向量，得到一个向量数组，其中每个向量的第i个元素，是原始向量的第i个元素的k个邻居，我也在寻找最快的方法。
我已经在MATLAB里做过了

a=zeros(k, length(v));   
I=cell(1,k);

a(1,:) = v;

for j=2:k
    a(k,:)=[a(k-1,2:end),a(k-1,1)];
end

aux1=[a(:,(end-r+1):end),a(:,1:(end-r))];

for j=1:k
    I{k}=aux1(k,:);
end

例如，v = [1，2，3，4，5]且k = 1;我想得到：
M = [[5, 1, 2, 3, 4], [1, 2, 3, 4, 5], [2, 3, 4, 5, 1]]
因此，对于每个向量的第一个元素，我得到[5;1; 2]，它们是元素1及其相邻元素。
希望有道理。谢谢阅读：）

python-3.x

来源：https://stackoverflow.com/questions/75346019/vector-to-an-array-of-vectors-of-neighbours

2条答案

按热度按时间

euoag5mw1#

可以使用numpy roll函数：

import numpy as np

def get_neighbors(v, k):
    N = len(v)
    M = np.zeros((k*2+1, N), dtype=int)
    for i in range(-k, k+1):
        M[i+k, :] = np.roll(v, -i)
    return M

v = np.array([1, 2, 3, 4, 5])
k = 1
M = get_neighbors(v, k)
print(M)

输出：

[[5 1 2 3 4]
 [1 2 3 4 5]
 [2 3 4 5 1]]

赞(0）回复(0）举报 2023-02-06

xurqigkl2#

对数组的重复使用sliding_window_view可以"矢量化"方式执行此操作

# Example array
a = np.arange(1,16)
k = 2 # Window of neighbors

# My solution
np.lib.stride_tricks.sliding_window_view(np.hstack([a,a,a]), (len(a),))[len(a)-k:len(a)+k+1]

array([[14, 15,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13],
       [15,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14],
       [ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15],
       [ 2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,  1],
       [ 3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,  1,  2]])

注意sliding_window_view只创建了一个视图，并没有创建新的数据，因此我毫不犹豫地创建了（在这个例子中）31行（3 * 15 - 15 + 1），然后只对其中的5行进行子集化：我并没有真正创建它们，所以这个解决方案的真正成本是hstack，包括cpu和内存。
顺便说一句，这个子集是为了严格遵守你的要求而做的。但是，根据你的意图，你可能会放弃这个子集。

T=np.lib.stride_tricks.sliding_window_view(np.hstack([a,a,a]), (len(a),))

那么T[len(a)+k]是由第k个邻居组成的行，无论k是正、负还是0（原始行）
查看时间，因为它对您很重要
| 大小|这种方法|滚动法|
| - ------|- ------|- ------|
| 透镜= 15/k = 2|51微秒|132微秒|
| 透镜= 15/k = 7|51微秒|383微秒|
| 透镜= 1000/k = 7|52微秒|422微秒|
| 透镜= 1M/k = 7|6毫秒|160毫秒|
| 透镜= 1M/k = 100|6毫秒|2.2秒|
Roll方法显然与窗口大小成正比（O（k）--每行输出执行一次Roll），当sliding_window_view只是一个视图，并不真正创建行时，O(1)也是如此。两种方法受数据len的影响是相同的（O（n），但它只显示n足够大）。
总的来说，这个方法是O（n），而滚动方法是O（kn）

赞(0）回复(0）举报 2023-02-06

我来回答

python-3.x 向量到相邻向量的数组

2条答案

相关问题

热门标签

最新问答