我有两个元组列表。
x = [(A1, B1, C1), (A2, B2, C2),...(AN, BN, CN)]
和
y = [(A1_, B1_, C1_), (A2_, B2_, C2_),...(AN_, BN_, CN_)]
我想做以下事情：
[(A1, B1, C1 - C1_), (A2, B2, C2 - C2_),...(AN, BN, CN - CN_)]我敢说Numpy中的某些功能可以使我做到这一点，但是我仍然没有挖掘如何对元组中的一个元素进行操作，因此，我将不胜感激。谢谢。
如果您以元组列表开始x并y成为元组列表，那么将它们转换为2D NumPy数组很容易：
import numpy as np
x = np.array([(1,2,3), (4,5,6), (7,8,9)])
y = np.array([(10,20,30), (40,50,60), (70,80,90)])
然后创建一个阵列类似于
[(A1, B1, C1 - C1_), (A2, B2, C2 - C2_),...(AN, BN, CN - CN_)]
您可以这样做：
z = x[:] # make a copy of array x
z[:,2] -= y[:,2] # subtract the 3rd column of y from z
print(z)
产量
[[ 1 2 -27]
[ 4 5 -54]
[ 7 8 -81]]
并得到
[C1 - C1_, C2 - C2_,...]
你既可以使用z[:, 2]，或直接从获取它x和y使用x[:, 2] - y[:, 2]：
[-27 -54 -81]
我可能会误解您的问题，但是当您说“我仍然没有挖掘出如何对元组中的一个元素进行运算”时，我认为您可能正在将元组存储在NumPy数组中。如果是这样，那么我敦促您重新考虑使用NumPy的方式：
您会看到，当您dtype=object将Python对象存储在NumPy数组（例如元组）中时，在这些对象上完成的所有操作最终都涉及对Python函数的调用，而不是NumPy通常调用的更快的C / Fortran编译函数。
因此，尽管您可能喜欢NumPy语法来选择数组中的项目，但与普通的Python对象相比，您没有获得任何速度优势。实际上，它可能比使用普通的Python对象（例如元组列表）要慢。
出于这个原因，我建议尽可能避免将Python对象存储在NumPy数组中，尤其是当这些对象是数字对象时，因为NumPy的本机数字dtype更好用。
与其在数组中存储3个元组，不如在NumPy数组中添加额外的维度（所谓的“轴”）并沿该轴存储3个分量，会更好。
完成此操作后，您所考虑的数值计算就轻松了。可以通过以下方式完成：
x[:,2]-y[:,2]
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句