我正在处理分类问题。
我有形状(604329, 33)
的ndarray
其中有32个特征和标签一个柱:Numpy/Scipy:如何重建ndarray?
>>> n_data.shape
(604329, 33)
此ndarray的第三列是与0
和1
标签。
我需要将第三列作为最后一列,以便在需要切片时更容易处理。
问:
有没有办法来重建ndarray
我们可以将这个第三列作为最后一列?
我正在处理分类问题。
我有形状(604329, 33)
的ndarray
其中有32个特征和标签一个柱:Numpy/Scipy:如何重建ndarray?
>>> n_data.shape
(604329, 33)
此ndarray的第三列是与0
和1
标签。
我需要将第三列作为最后一列,以便在需要切片时更容易处理。
问:
有没有办法来重建ndarray
我们可以将这个第三列作为最后一列?
如果我理解正确的话,你想做的事:
my_array = numpy.roll(my_array,-3,axis=1)
下面将做到这一点:
x = np.hstack((x[:,:3],x[:,4:],x[:,3:4]))
其中x
是你ndarray
。
作为aix
的解决方案的替代方案,您可以直接切片阵列,而不需要hstack
。
>>> a = numpy.array([range(33) for _ in range(4)])
>>> indices = range(33)
>>> indices.append(indices.pop(3))
>>> a[:,indices]
array([[ 0, 1, 2, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,
18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 3],
[ 0, 1, 2, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,
18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 3],
[ 0, 1, 2, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,
18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 3],
[ 0, 1, 2, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,
18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 3]])
这对小数组更快一点:
>>> %timeit numpy.hstack((a[:,:3], a[:,4:], a[:, 3:4]))
100000 loops, best of 3: 19.1 us per loop
>>> %timeit indices = range(33); indices.append(indices.pop(3)); a[:,indices]
100000 loops, best of 3: 14 us per loop
但实际上,对于较大的阵列,它的速度较慢。
>>> a = numpy.array([range(33) for _ in range(600000)])
>>> %timeit numpy.hstack((a[:,:3], a[:,4:], a[:, 3:4]))
1 loops, best of 3: 385 ms per loop
>>> %timeit indices = range(33); indices.append(indices.pop(3)); a[:,indices]
1 loops, best of 3: 670 ms per loop
如果您不需要保留列的顺序,(即,如果你可以使用roll
)然后Mr. E的解决方案是最快的大型a
:
>>> %timeit numpy.roll(a, -3, axis=1)
10 loops, best of 3: 120 ms per loop