Створіть нутризовану матрицю, заповнену NaN

У мене є такий код:

r = numpy.zeros(shape = (width, height, 9))

Він створює width x height x 9матрицю, заповнену нулями. Натомість я хотів би знати, чи існує функція чи спосіб їх ініціалізації, а не NaNпросто.

Вам рідко потрібні петлі для векторних операцій в нуме. Ви можете створити неініціалізований масив і призначити всі записи одночасно:

>>> a = numpy.empty((3,3,))
>>> a[:] = numpy.nan
>>> a
array([[ NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN]])

Я приурочив альтернативи a[:] = numpy.nanтут і a.fill(numpy.nan)як опублікував Блаєнк:

$ python -mtimeit "import numpy as np; a = np.empty((100,100));" "a.fill(np.nan)"
10000 loops, best of 3: 54.3 usec per loop
$ python -mtimeit "import numpy as np; a = np.empty((100,100));" "a[:] = np.nan" 
10000 loops, best of 3: 88.8 usec per loop

Часи показують перевагу ndarray.fill(..)як більш швидку альтернативу. ОТОХ, мені подобається реалізація зручності numpy, де ви можете призначити значення цілим фрагментам у той час, намір коду дуже зрозумілий.

Зауважимо, що ndarray.fillвиконує свою операцію на місці, такnumpy.empty((3,3,)).fill(numpy.nan) замість цього повернеться None.

Інший варіант - використання numpy.full, опція, доступна в NumPy 1.8+

a = np.full([height, width, 9], np.nan)

Це досить гнучко, і ви можете заповнити його будь-яким іншим номером, який хочете.

Я порівняв запропоновані альтернативи щодо швидкості та виявив, що для достатньо великих векторів / матриць для заповнення всі альтернативи, за винятком val * onesі array(n * [val])є однаково швидкими.

Код для відтворення сюжету:

import numpy
import perfplot

val = 42.0


def fill(n):
    a = numpy.empty(n)
    a.fill(val)
    return a


def colon(n):
    a = numpy.empty(n)
    a[:] = val
    return a


def full(n):
    return numpy.full(n, val)


def ones_times(n):
    return val * numpy.ones(n)


def list(n):
    return numpy.array(n * [val])


perfplot.show(
    setup=lambda n: n,
    kernels=[fill, colon, full, ones_times, list],
    n_range=[2 ** k for k in range(20)],
    logx=True,
    logy=True,
    xlabel="len(a)",
)

Ви знайомі? numpy.nan ?

Ви можете створити власний метод, наприклад:

def nans(shape, dtype=float):
    a = numpy.empty(shape, dtype)
    a.fill(numpy.nan)
    return a

Тоді

nans([3,4])

виведе

array([[ NaN,  NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN,  NaN]])

Я знайшов цей код у потоці списку розсилки .

Ви завжди можете використовувати множення, якщо не одразу згадати .emptyабо .fullметоди:

>>> np.nan * np.ones(shape=(3,2))
array([[ nan,  nan],
       [ nan,  nan],
       [ nan,  nan]])

Звичайно, він також працює з будь-яким іншим числовим значенням:

>>> 42 * np.ones(shape=(3,2))
array([[ 42,  42],
       [ 42,  42],
       [ 42, 42]])

Але прийнята відповідь @ u0b34a0f6ae - в 3 рази швидше (цикли процесора, а не цикли мозку для запам'ятовування синтаксису нуме;):

$ python -mtimeit "import numpy as np; X = np.empty((100,100));" "X[:] = np.nan;"
100000 loops, best of 3: 8.9 usec per loop
(predict)laneh@predict:~/src/predict/predict/webapp$ master
$ python -mtimeit "import numpy as np; X = np.ones((100,100));" "X *= np.nan;"
10000 loops, best of 3: 24.9 usec per loop

Інша альтернатива - це numpy.broadcast_to(val,n) це повернення в постійний час незалежно від розміру, а також є найбільш ефективною пам'яттю (повертає вигляд повторного елемента). Застереження полягає в тому, що повернене значення є лише для читання.

Нижче наводиться порівняння результатів роботи всіх інших методів, які були запропоновані, використовуючи той самий орієнтир, що і у відповіді Ніко Шльомера .

Як було сказано, numpy.empty () - це шлях. Однак для об’єктів fill () може не робити саме те, що, на вашу думку, робиться:

In[36]: a = numpy.empty(5,dtype=object)
In[37]: a.fill([])
In[38]: a
Out[38]: array([[], [], [], [], []], dtype=object)
In[39]: a[0].append(4)
In[40]: a
Out[40]: array([[4], [4], [4], [4], [4]], dtype=object)

Один із способів, наприклад, може бути:

In[41]: a = numpy.empty(5,dtype=object)
In[42]: a[:]= [ [] for x in range(5)]
In[43]: a[0].append(4)
In[44]: a
Out[44]: array([[4], [], [], [], []], dtype=object)

Ще одна можливість, поки не згадана тут, - це використовувати плитку NumPy:

a = numpy.tile(numpy.nan, (3, 3))

Також дає

array([[ NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN],
       [ NaN,  NaN,  NaN]])

Я не знаю про порівняння швидкості.