numpy 中的数据转换

Question

• 输入数据是一维 numpy 数组的列表，例如 x[0] = [ array([1.0,1.0,1.0]), array([2.0,2.0,2.0]), ...]
• len(x) 约为几千（行），而 len(x[n]) 是固定数字（列），但可能会因运行而改变运行（所以我不想对许多列进行硬编码）。
• 函数f(x[n][col])将每个数组转换为单个数字
• 所需的结果是转换后的列的列表

列表用于绘图，因此它们可以是numpy 数据结构。 下面是一些设置测试数据和概念转换的代码：

import numpy

# create test data set
def datagen(number):
    return numpy.array([number,number,number])

x=[]
for rows in range(20):
    dataline = [ datagen(n) for n in range(5)]
    x.append(dataline)

#define transformation of array to single number
def f(in_array):
    return in_array.sum()

期望的结果——以 numpy、python 的方式获得：

[ array([0,0,0,...0]), array([3,3,3,....,3]), array([6,6,6,...,6]), ..etc]

在这种情况下，每个数组有 20 个元素（每行数据一个），并且有 5 个数组列表（每列一个）。

这是我目前的解决方案：

trans = []
for dataline in x:
    trans.append([f(a) for a in dataline])

trans = numpy.array(trans)
answer = [ trans[:,col] for col in range(len(x[0])) ]

不太破旧，但我头疼，我感觉这可以做得更好。 ???

在现实生活中，f(a) = numpy.sqrt(numpy.vdot(a,a))。

Answer 1

怎么样：

numpy.tile(numpy.arange(1,12).reshape(11,1),20)