配列を含むNumpy行列を2つ組み合わせる

Question

私は、異なる長さの配列を含むサイズ125,30,360の2つの行列（m1とm2）を持っています。私がしたいのは、これらの配列を要素ごとに連結することです。今のところ、私は、forループでこれを行う：

for i in range(125): 
    for j in range(30): 
     for k in range(360): 
      m1[i, j, k] = np.hstack(m1[i, j, k], m2[i, j, k]) 

だから結果m1はまだ前と同じ大きさを持っている、しかし、各要素内の配列は、長さを変更しました。上記の例はうまくいきますが、時間がかかります（コードで何度もやっています）。それを行うより速い方法がありますか？

m1 = np.zeros([125, 30, 360], dtype=np.ndarray) 
for i in range(125): 
    for j in range(30): 
     for k in range(360): 
      m1[i,j,k] = np.array([]) 

EDIT：m1とm2はそれが物事を明確にした場合、次のように作成された私のテキストは、上記のいくつかの混乱につながるている、少し不明でした。私はそれで、私がしたいことの下に小さな例を作りました。

ステップ1：m1とm2を作成します。

m1 = np.zeros([2, 2], dtype=np.ndarray) 
m2 = np.zeros([2, 2], dtype=np.ndarray) 
for i in range(2): 
    for j in range(2): 
     m1[i, j] = np.array(range(i+j)) 
     m2[i, j] = np.array(range(i+j+1)) 

ステップ1の結果：

m1 = array([[array([], dtype=float64), array([0])], 
    [array([0]), array([0, 1])]], dtype=object) 
m2 = array([[array([0]), array([0, 1])], 
    [array([0, 1]), array([0, 1, 2])]], dtype=object) 

ステップ2：連結し、M1とM2。中

for i in range(2): 
    for j in range(2): 
     m1[i, j] = np.hstack((m1[i, j], m2[i, j])) 

ステップ2の結果：

m1 = array([[array([ 0.]), array([0, 0, 1])], 
    [array([0, 0, 1]), array([0, 1, 0, 1, 2])]], dtype=object) 

だから、質問は：2がより速く行うことがステップすることはできますか？

Answer 1

In [164]: m1 = np.zeros([2, 2], dtype=np.ndarray) 
    ...: m2 = np.zeros([2, 2], dtype=np.ndarray) 
    ...: for i in range(2): 
    ...:  for j in range(2): 
    ...:   m1[i, j] = np.array(range(i+j)) 
    ...:   m2[i, j] = np.array(range(i+j+1)) 
    ...:   

結果は、dtypeオブジェクトの2つの2d配列です。 dtype=np.ndarrayはdtypesの定義されたセットに含まれないものについてはobjectになります。

In [165]: m1 
Out[165]: 
array([[array([], dtype=float64), array([0])], 
     [array([0]), array([0, 1])]], dtype=object) 
In [166]: m1.shape 
Out[166]: (2, 2) 
In [167]: m2.shape 
Out[167]: (2, 2) 
In [168]: m1[0,0] 
Out[168]: array([], dtype=float64) 

m1

次いで他所メモリ内のオブジェクトへのポインタを含む2Dアレイです。あなたの場合、それらは配列ですが、リスト、辞書、None、文字列または数字、または関数であってもかまいません。

このような配列は形状（2d）を持ち、形状変更が可能であり、場合によっては数学演算を要素（例：m1*2）まで投影することができるため、栄光のリストとして説明することができます。または、それはappendのようなメソッドを持っていないので、それはdebasedリストかもしれません。

このような配列での操作は、ほとんどの場合、Pythonレベルの反復処理が必要です（numpy）。そして、二重ループ、または同等のものを必要とする2次元形状。

nd配列と同じように、フラット化したネストループを回避することができます。リスト内包して例えば：

In [173]: [np.concatenate((a,b)) for a,b in zip(m1.flat, m2.flat)] 
Out[173]: [array([ 0.]), array([0, 0, 1]), array([0, 0, 1]), array([0, 1, 0, 1, 2])] 
In [174]: np.array([np.concatenate((a,b)) for a,b in zip(m1.flat, m2.flat)]).reshape(2,2) 
Out[174]: 
array([[array([ 0.]), array([0, 0, 1])], 
     [array([0, 0, 1]), array([0, 1, 0, 1, 2])]], dtype=object) 

これはfrompyfuncがあなたのために、より高次元の世話をして、有用である可能性の場合です。 、オブジェクト配列上の任意の要素ごとの操作がND数値で同様の操作に比べて遅くなります合計で

In [177]: f=np.frompyfunc(lambda a,b: np.concatenate((a,b)),2,1) 
In [178]: f(m1,m2) 
Out[178]: 
array([[array([ 0.]), array([0, 0, 1])], 
     [array([0, 0, 1]), array([0, 1, 0, 1, 2])]], dtype=object) 

：私はそれをより明示的なループをスピードアップ（最大で2倍）ささやかなを提供することを発見しましたアレイ。