python - Numpy: crea una matriz con filas de vectores

python-2.7 numpy-broadcasting

Question

Tengo un vector [x,y,z,q] y quiero crear una matriz:

[[x,y,z,q],
 [x,y,z,q],
 [x,y,z,q],
...
 [x,y,z,q]]

con m filas. Creo que esto podría hacerse de una manera inteligente, utilizando la transmisión, pero solo puedo pensar en hacerlo con un bucle for.

Answer 1

Ciertamente posible con la broadcasting después de agregar con m ceros a lo largo de las columnas, así:

np.zeros((m,1),dtype=vector.dtype) + vector

Ahora, NumPy ya tiene una función incorporada np.tile para exactamente esa misma tarea:

np.tile(vector,(m,1))

Ejecución de muestra:

In [496]: vector
Out[496]: array([4, 5, 8, 2])

In [497]: m = 5

In [498]: np.zeros((m,1),dtype=vector.dtype) + vector
Out[498]: 
array([[4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2]])

In [499]: np.tile(vector,(m,1))
Out[499]: 
array([[4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2]])

También puede usar np.repeat después de extender su dimensión con np.newaxis/None para el mismo efecto, así:

In [510]: np.repeat(vector[None],m,axis=0)
Out[510]: 
array([[4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2]])

También puede usar integer array indexing para obtener las réplicas, de esta manera:

In [525]: vector[None][np.zeros(m,dtype=int)]
Out[525]: 
array([[4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2]])

Y, finalmente, con np.broadcast_to , simplemente puede crear una vista 2D en el vector entrada y, como tal, esto sería prácticamente libre y sin necesidad de memoria adicional. Entonces, simplemente haríamos -

In [22]: np.broadcast_to(vector,(m,len(vector)))
Out[22]: 
array([[4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2],
       [4, 5, 8, 2]])

Prueba de tiempo de ejecución

Aquí hay una prueba rápida de tiempo de ejecución que compara los diversos enfoques:

In [12]: vector = np.random.rand(10000)

In [13]: m = 10000

In [14]: %timeit np.broadcast_to(vector,(m,len(vector)))
100000 loops, best of 3: 3.4 µs per loop # virtually free!

In [15]: %timeit np.zeros((m,1),dtype=vector.dtype) + vector
10 loops, best of 3: 95.1 ms per loop

In [16]: %timeit np.tile(vector,(m,1))
10 loops, best of 3: 89.7 ms per loop

In [17]: %timeit np.repeat(vector[None],m,axis=0)
10 loops, best of 3: 86.2 ms per loop

In [18]: %timeit vector[None][np.zeros(m,dtype=int)]
10 loops, best of 3: 89.8 ms per loop