如何构建一个numpy矩阵（从头开始，以前不存在）在for循环中添加计算列

Question

这是学校的一项任务（矩阵每一列的并行归一化），除了您可能会看到的其他问题之外，我发现很难找到像 list = [] 这样简单的东西，您可以在其中 list.append() 整个列表一个循环，没有预定义尺寸。这是我到目前为止所讨论的最后一行的内容。预先感谢您的任何帮助！

from multiprocessing import Pool

import numpy as np

def fct_norm(col):

    mn = col.min()

    mx = col.max()

    col_norm = np.zeros((6, 1))

    for i in range(6):

        col_norm[i, 0] = (col[i] - mn) / (mx - mn)

    return col_norm

if __name__ == "__main__":

    pool = Pool()

    arr = np.random.uniform(0, 100, size=(6, 3))

maybe predefine arr_norm here?

    for i in range(2):

        print("i = ", i)

        col = arr[:, i]

        result = pool.map(fct_norm, [col])

        norm_arr = HOW_TO_ADD_EACH_RESULT_COLUMN_TO_A_NEW_ARRAY?

Answer 1

您需要连接多个列的函数是np.hstack. 但是，一个很大的问题是 pool.map在原始代码中没有以正确的方式使用。正如所写，列没有并行执行，因为每次调用pool.map都只获得一个列。这个想法是同时传递一个带有多个值的迭代器——在这种情况下，多个列到pool.map.由于numpy循环遍历行而不是列，因此必须转置矩阵（使用(...).T运算符。此外，在pool完成后，关闭它是一个很好的措施。自动处理此问题的一种方法是使用上下文（即with Pool() as pool:构造，然后它将自动关闭。这一切加在一起给出了以下解决方案：from multiprocessing import Poolimport numpy as npdef fct_norm(col):    mn = col.min()    mx = col.max()    col_norm = np.zeros((6, 1))    for i in range(6):        col_norm[i, 0] = (col[i] - mn) / (mx - mn)    return col_normif __name__ == "__main__":    arr = np.random.uniform(0, 100, size=(6, 3))    with Pool() as pool:        norm_arr = np.hstack(pool.map(fct_norm, arr.T))    # Here norm_arr is available for further operations.因此，整个操作可以在两行中执行。