Obtener sumas de pares de elementos en una matriz numpy

Question

tengo una matriz:

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

que es sólo una barajadura al azar de la gama [0, 9]. Necesito calcular este:

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

que es justo:

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

¿Hay alguna manera de hacer esto con numpy para evitar una pitón de bucle cuando se trata de grandes matrices?

Answer 1

Usted podría tomar ventaja de la capacidad de una gama NumPy para resumir elemento a elemento:

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_ es una manera de concatenar secuencias entre sí para formar una nueva matriz numpy. Como veremos a continuación, resulta que no es la mejor manera en este caso.

---

Otra posibilidad es:

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

Aparece usando np.roll es significativamente más rápido:

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

Usted puede hacer esto bastante felizmente con zip(), una lista rebanada, y a list comprehension:

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

Necesitamos el extra append() añadir en el último elemento, como zip() sólo funciona hasta que termine el iterador más corto. Una comprensión de lista es significativamente más rápida que un ciclo for normal ya que está implementado en C-lado en Python, en lugar de como un bucle de Python.

La alternativa es utilizar itertools.zip_longest:.

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

para llenar el valor extra en Ten en cuenta que esta función es itertools.izip_longest en Python 2.x

Answer 3

¿Qué hay de

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]])) 

Resultado:

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