Numpy-用更快的东西(append?)替换hstack/vstack if循环

Question

我想把几个(比如说15个(长的形状数组(3072，(组合成一个形状数组(153072(。如果找到了一个解决方案，但在for循环中包含了一个嵌套的If子句，这对我来说似乎效率很低。有没有更有效的解决方案来生成一个必要形状的numpy数组(而不是列表(？这是代码：

# Creating sample array
arr1 = np.array([8, 19, 43], dtype=int)
# What I do at the moment (and it works)
arr_out = np.array([])
for i in range(3):
if i == 0:
arr_out = np.hstack((arr_out, arr1))
else:
arr_out = np.vstack((arr_out, arr1))

arr_out # Output is correct shape (Each "new" array gets a new row.)

数组([[8.，19.，43.]，[8.，19.，43.]，[8.，19.，43.]](

当我使用np.append:时会发生什么

# How to do the above without the if loop in the for loop?
arr_out = np.array([])
for i in range(3):
arr_out = np.append(arr_out, arr1, axis=0)
arr_out # Output is not in correct shape

数组([8.，19.，43.，8.，19.，43.，8.，19.，43.](

你认为有什么有效的方法可以在不使用列表(或者至少最后没有列表(的情况下获得第一个例子的numpy.array形状吗？

Answer 1

通过初始化具有正确列数的数组arr_out(在上面的小示例中为三列(，我自己解决了这个问题。然后可以去掉if子句，直接执行np.vstack。然而，当数组有很多列时(在我的实际情况下>3000(，在我看来，去掉if子句的好处是初始化一个大的空数组。因此，当你循环很多次时，去掉if子句只会让你在运行时过得更好(在我的情况下是真的，因为我会运行它大约60000次(。这是代码：

# Creating sample array
arr1 = np.array([8, 19, 43], dtype=int)
# Solution
arr_out = np.array([0,len(arr1)])
for i in range(3): #I run through the loop a couple of thousand times
arr_out = np.vstack((arr_out, arr1))