Erhalten Summen von Paaren von Elementen in einem Array numpy

Question

Ich habe ein Array:

t = [4, 5, 0, 7, 1, 6, 8, 3, 2, 9] 

, die nur eine zufällige Shuffle des Bereichs [0, 9]. Ich brauche dies zu berechnen:

t2 = [9, 5, 7, 8, 7, 14, 11, 5, 11, 13] 

das ist nur:

t2 = [t[0]+t[1], t[1]+t[2], t[2]+t[3], t[3]+t[4], ..., t[9]+t[0]] 

Gibt es eine Weise, die ich dies mit numpy tun kann, eine Python for-Schleife zu vermeiden, wenn mit großen Arrays zu tun?

Answer 1

Sie könnten nutzen die Fähigkeit des NumPy Feldelement weise zusammenzufassen:

In [5]: import numpy as np 

In [6]: t = np.array([4, 5, 0, 7, 1, 6, 8, 3, 2, 9]) 

In [7]: t + np.r_[t[1:],t[0]] 
Out[7]: array([ 9, 5, 7, 8, 7, 14, 11, 5, 11, 13]) 

np.r_ ist eine Möglichkeit, Sequenzen verketten gemeinsam eine neue numpy Array zu bilden. Wie wir unten sehen werden, stellt es sich heraus, nicht der beste Weg in diesem Fall.

---

Eine andere Möglichkeit ist:

In [10]: t + np.roll(t,-1) 
Out[10]: array([ 9, 5, 7, 8, 7, 14, 11, 5, 11, 13]) 

Es np.roll mit erscheint deutlich schneller ist:

In [11]: timeit t + np.roll(t,-1) 
100000 loops, best of 3: 17.2 us per loop 

In [12]: timeit t + np.r_[t[1:],t[0]] 
10000 loops, best of 3: 35.5 us per loop 

Answer 2

Sie können dies tun, ziemlich glücklich mit zip(), eine Liste in Scheiben schneiden, und a list comprehension:

t2 = [a+b for (a, b) in zip(t, t[1:])] 
t2.append(t[0]+t[-1]) 

Wir brauchen die zusätzlichen append() in dem letzten Element hinzuzufügen, wie zip() funktioniert nur, bis die kürzeste Iterator endet. Ein Listenverständnis ist wesentlich schneller als eine normale for-Schleife, da es in Python als C-Seite implementiert ist und nicht als Python-Schleife.

Die Alternative ist die Verwendung itertools.zip_longest.

from itertools import zip_longest 
t2 = [a+b for (a, b) in zip_longest(t, t[1:], fillvalue=t[0])] 

Um den Mehrwert in füllen Sie beachten Sie, dass diese Funktion itertools.izip_longest in Python 2.x ist

Answer 3

Was

import numpy as np 
t = np.array([4, 5, 0, 7, 1, 6, 8, 3, 2, 9]) 

new_t = t + np.hstack((t[1:], [t[0]])) 

Ergebnis:

>>> new_t 
array([ 9, 5, 7, 8, 7, 14, 11, 5, 11, 13])