numpy向量堆叠

hstack()

hstack函数是对两个向量做水平方向上的堆叠

行向量

import numpy as np

x1=np.random.rand(1,3)
print("x1:",x1)

x2=np.random.rand(1,3)
print("x2:",x2)

X=np.hstack((x1,x2))
print("X:",X)
x1 [[0.94329401 0.11576768 0.0776751 ]]
x2 [[0.40474337 0.00161241 0.63968894]]
X [[0.94329401 0.11576768 0.0776751  0.40474337 0.00161241 0.63968894]]

列向量

import numpy as np

x1=np.random.rand(3,1)
print("x1")
print(x1)

x2=np.random.rand(3,1)
print("x2")
print(x2)

X=np.hstack((x1,x2))
print("X")
print(X)
x1
[[0.83711056]
 [0.89899211]
 [0.20219687]]
x2
[[0.21726881]
 [0.31615083]
 [0.97559088]]
X
[[0.83711056 0.21726881]
 [0.89899211 0.31615083]
 [0.20219687 0.97559088]]

vstack()

vstack函数是对两个向量做垂直方向上的堆叠

行向量

import numpy as np
x1=np.random.rand(1,3)
print("x1")
print(x1)

x2=np.random.rand(1,3)
print("x2")
print(x2)

X=np.vstack((x1,x2))
print("X")
print(X)
x1
[[0.29345129 0.3592663  0.92147571]]
x2
[[0.34586827 0.12407583 0.2112529 ]]
X
[[0.29345129 0.3592663  0.92147571]
 [0.34586827 0.12407583 0.2112529 ]]

列向量

import numpy as np
x1=np.random.rand(3,1)
print("x1")
print(x1)

x2=np.random.rand(3,1)
print("x2")
print(x2)

X=np.vstack((x1,x2))
print("X")
print(X)
x1
[[0.08355303]
 [0.09079122]
 [0.22909921]]
x2
[[0.21716008]
 [0.26568235]
 [0.83255626]]
X
[[0.08355303]
 [0.09079122]
 [0.22909921]
 [0.21716008]
 [0.26568235]
 [0.83255626]]
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
可以将标准时间戳集编码为一个固定长度的向量,可以采用以下步骤: 1. 将时间戳转换为Python中的datetime对象,方便后续处理。 2. 从datetime对象中提取出需要的时间信息,如年份、月份、日期、小时等。将这些信息转换为数字形式,方便后续处理。 3. 定义一个Embedding层,将时间信息映射到一个固定长度的向量。可以根据实际情况设定向量的维度大小。 4. 将时间向量和特征向量堆叠在一起,作为模型的输入。可以使用numpy.concatenate()函数实现堆叠。 以下是一个示例代码: ```python import numpy as np import torch import torch.nn as nn from datetime import datetime, timedelta # 假设时间集包含标准时间戳和特征向量维度为10 timestamps = np.array([[[t.strftime('%Y-%m-%d %H:%M:%S')] for t in np.arange(datetime(2013, 12, 2, 15), datetime(2015, 12, 2, 15), timedelta(hours=1))]], dtype=object) features = torch.randn(2289, 10) # 定义Embedding层 embedding = nn.Embedding(24, 4) # 将每个小时映射为一个4维向量 # 将时间戳转换为向量 time_vectors = [] for i in range(timestamps.shape[0]): t_list = timestamps[i] t_vectors = [] for j in range(timestamps.shape[1]): dt = datetime.strptime(t_list[j][0], '%Y-%m-%d %H:%M:%S') hour = dt.hour hour_embed = embedding(torch.tensor(hour)) t_vectors.append(hour_embed) t_vectors = torch.stack(t_vectors, dim=0) time_vectors.append(t_vectors) time_vectors = torch.stack(time_vectors, dim=0) # 将时间向量和特征向量堆叠在一起 input_tensor = np.concatenate((time_vectors.numpy(), features.numpy()), axis=2) # input_tensor的形状为[2289, 30, 14],其中时间向量长度为4,特征向量长度为10 ``` 在这个示例代码中,时间集包含从2013年12月2日15:00:00到2015年12月2日15:00:00之间的所有时间戳。我们首先将这些时间戳转换为一个三维的ndarray,其中第一维表示时间戳的个数,第二维表示每个时间戳中包含的时间信息的个数,第三维表示每个时间信息的长度。接着,我们定义了一个Embedding层,将每个小时映射为一个4维向量。然后,我们遍历时间戳列表,将每个时间戳转换为一个datetime对象,并从datetime对象中提取出小时信息。我们使用Embedding层将小时信息映射为一个固定长度的向量。然后,我们使用torch.stack()函数将这些向量堆叠起来,形成一个三维张量。最后,我们使用numpy.concatenate()函数将时间向量和特征向量堆叠在一起,形成输入张量。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值