Numpyは別の行列のスライスに行列を加えます

行列X (1000x10)と行列Y (20x10)を持っています。効率的にを(20x10)ブロックのブロックXに繰り返し追加します（したがって50ブロック）。 numpyでこれを行う効率的な方法はありますか？ np.repeatを元の行列が巨大で、不要な重複を防ぐためにYを使用したいとは思いません。何か案は？Numpyは別の行列のスライスに行列を加えます

出典

2017-08-05 Babak

あなたが操作を実行するargument list unpacking、NumPy broadcastingとthe fact that ndarray.reshape() returns a viewを活用することができます

tmp = X.reshape(-1, *Y.shape) 
tmp += Y

追加のデータが割り当てられていないと、これらの操作の後、Xされます操作の結果が含まれます。

出典

2017-08-05 20:35:02

違いは、 'X.reshape（）+ Y'を計算すると新しい配列が割り当てられ、' tmp + = Y'はすでに割り当てられている値を変更します。追加のRAMは割り当てられません。そして、 'X'は形を変えないので、出力は正しい形になります。 –

入手しました。ありがとう。 –

うわー！これは私にとって魔法に見えます！どのように機能するのですか？ '* Y.shape'は何かを説明できますか？ 'X.reshape（-1、* Y.shape）'が 'X'を' tmp'にコピーしないのはなぜですか？（ 'X'と似ていますか？）ありがとうございました！ – Babak

あなたが「拡大」するnp.tileを使用することができます。これは一時的な大規模な配列のメモリ内に作成されます

x = np.zeros([1000,10]) 
y = np.ones([20,10]) 
new_x = x + np.tile(y,(50,1))

例えば（より正確に、タイル）より大きな配列のサイズに合わせて、より小さな配列、 xに追加してください。すぐに破棄されますので、メモリ容量とアレイのサイズによって異なりますが、CPU使用率と可読性の面で最も効率的です。

もう1つの選択肢はもちろん、より大きなアレイをループし、そのすべての部分（この場合は50回）にブロードキャストしますが、CPUの方が時間がかかり、効率は低くなりますが、記憶が軽い

第二オプションの例：

for i in range(0,len(x),20): 
    x[i:i+20,:] = y

出典

2017-08-05 19:55:41

Numpyは別の行列のスライスに行列を加えます

答えて

関連する問題