使用列表理解创建二维 numpy 数组

Question

我需要仅使用列表理解创建一个二维 numpy 数组，但它必须遵循以下格式：[[1, 2, 3], [2, 3, 4], [3, 4, 5], [4, 5, 6], [5, 6, 7]]]到目前为止，我所能弄清楚的是：two_d_array = np.array([[x+1 for x in range(3)] for y in range(5)])给予：array([[1, 2, 3],       [1, 2, 3],       [1, 2, 3],       [1, 2, 3],       [1, 2, 3]])只是不太确定如何更改增量。任何帮助将不胜感激，谢谢！编辑：示例中不小心遗漏了 [3,4,5]。现在包括在内。

Answer 1

这是一个可以完成这项工作的快速单行文字：

np.array([np.arange(i, i+3) for i in range(1, 6)])

其中3是列数或每个数组中的元素数，6是要执行的迭代次数 - 或者在本例中是要创建的数组数；这就是输出中有 5 个数组的原因。

输出：

array([[1, 2, 3],
       [2, 3, 4],
       [3, 4, 5],
       [4, 5, 6],
       [5, 6, 7]])

Answer 2

更改代码，类似这样的事情可以工作：

two_d_array = np.array([[(y*3)+x+1 for x in range(3)] for y in range(5)])

>>> [[1,2,3],[4,5,6],...]

two_d_array = np.array([[y+x+1 for x in range(3)] for y in range(5)])

>>> [[1,2,3],[2,3,4],...]

Answer 3

你已经得到了一些很好的理解答案，所以这里有一些 numpy 解决方案。

简单加法：

np.arange(1, 6)[:, None] + np.arange(3)

疯狂的跨步技巧：

base = np.arange(1, 8)

np.lib.stride_tricks.as_strided(base, shape=(5, 3), strides=base.strides * 2).copy()

重塑累积和：

base = np.ones(15)

base[3::3] = -1

np.cumsum(base).reshape(5, 3)