Esto parece una tarea bastante simple, pero no he encontrado cómo hacerlo usando numpy . Considere la matriz de ejemplo:
import numpy as np aa = np.array([np.array([13.16]), np.array([1.58 , 1.2]), np.array([13.1]), np.array([1. , 2.6])], dtype=object) Necesito una forma general de aplanar esa matriz en una sola matriz de N elementos, con N=every float in all the sub-arrays . En este caso sería:
aa = np.array([13.16, 1.58 , 1.2, 13.1, 1. , 2.6]) np.ndarray.flatten() (probé todas las opciones de 'orden')) pero obtengo la misma matriz aa sin cambios.
¿Por qué np.ndarray.flatten() no funciona y cómo puedo lograrlo?
La solución debe ser lo más general posible, ya que el ejemplo de aa matriz que estoy usando aquí en realidad se llenará con sub-matrices de diferentes longitudes en mi código real.
Puedes usar numpy.hstack
>>> np.hstack(aa) array([13.16, 1.58, 1.2 , 13.1 , 1. , 2.6 ])Si todos los subconjuntos son 1D, también puede usar np.concatenate para ahorrar un poco de tiempo. Según tengo entendido, np.hstack es un contenedor de np.concatenate que se reduce a la misma operación si la entrada es 1D.
np.concatenate(aa) # array([13.16, 1.58, 1.2 , 13.1 , 1. , 2.6 ]) np.allclose(np.concatenate(aa), np.hstack(aa)) # True %timeit np.hstack(aa) 5.53 µs ± 28.2 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each) %timeit np.concatenate(aa) 2.2 µs ± 46.5 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)