你可以用切片:
In [14]: arr = np.arange(0, 10)
In [15]: arr
Out[15]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
In [16]: arr[::2]
Out[16]: array([0, 2, 4, 6, 8])
因此,你的函数只会是这样的:
def hopSamples1(x, N):
return x[::N]
如果您有任何疑问在事先声明空数组,并使用循环加油吧T,你可以改变你的函数一点做到以下几点之一。
您可以初始化一个空数组,并在循环的每次迭代中通过另一个单元扩展它。请注意,每次都会创建并返回一个新数组。
def hopSamples2(x, N):
i = 0
n = len(x)
output = np.empty(shape = 0, dtype = x.dtype)
while i < n:
output = np.append(output, x[i])
i += N
return output
一种替代实现将预先创建整个阵列,但在设置这些值到它的细胞中一个接一个。
def hopSamples3(x, N):
i = 0
n = len(x)
m = n/N
output = np.ndarray(shape = m, dtype = x.dtype)
while i < m:
output[i] = x[i * N]
i += 1
return output
一个简单的基准测试表明,使用切片是同时通过一个扩展阵列一个最快的方法是最慢的:
In [146]: %time hopSamples1(arr, 2)
CPU times: user 21 µs, sys: 3 µs, total: 24 µs
Wall time: 28.8 µs
Out[146]: array([0, 2, 4, 6, 8])
In [147]: %time hopSamples2(arr, 2)
CPU times: user 241 µs, sys: 29 µs, total: 270 µs
Wall time: 230 µs
Out[147]: array([0, 2, 4, 6, 8])
In [148]: %time hopSamples3(arr, 2)
CPU times: user 35 µs, sys: 5 µs, total: 40 µs
Wall time: 45.8 µs
Out[148]: array([0, 2, 4, 6, 8])
发布你得到确切的错误将在未来有用,虽然你得到的答案是非常好的。 – porglezomp 2014-10-07 00:49:07
此外,你的问题标题并不真正适合你的问题的描述。为“声明(实际上,创建)一个空数组和填充”的方式是'np.zeros'加上正常索引设定。但是你想要做的并不是首先要做的。 – abarnert 2014-10-07 00:50:47
是的,对不起,我现在看到它。我对我在Python方面的知识缺乏表示歉意,上周我开始使用它。谢谢您的意见! – Hec46 2014-10-07 19:02:47