Pythonic/Numpy方式将一维数组转为带索引二维向量数组的优化方法

你现在的实现确实能得到预期结果，但Numpy里有不少更直观简洁的方法可以做到这件事，我给你列几个常用的：

方法1：用np.column_stack()（最直观） #

这个函数专门用来把多个一维数组按列堆叠成二维数组，直接把索引数组和原数据传进去就行，完全不用手动reshape和转置：

import numpy as np
data = [0.2, 0.6, 0.3, 0.5]
indices = np.arange(len(data))
vecs = np.column_stack((indices, data))

运行后得到的结果和你原来的完全一致：

array([[0. , 0.2],
       [1. , 0.6],
       [2. , 0.3],
       [3. , 0.5]])

方法2：用Numpy的c_索引器（语法糖，更简洁） #

np.c_是Numpy提供的一个便捷索引器，专门用于按列拼接数组，写法非常紧凑，一行就能搞定：

import numpy as np
data = [0.2, 0.6, 0.3, 0.5]
vecs = np.c_[np.arange(len(data)), data]

效果和上面的方法完全一样，代码看起来更清爽。

方法3：用np.stack()指定轴（扩展性更强） #

如果想更灵活控制堆叠方向，可以用np.stack()，指定axis=1来按列堆叠：

import numpy as np
data = [0.2, 0.6, 0.3, 0.5]
vecs = np.stack((np.arange(len(data)), data), axis=1)

这个方法的好处是如果之后需要按行堆叠，只需要把axis改成0就行，扩展性更强。

对比你原来的代码，这些方法都省去了手动reshape和transpose的步骤，逻辑更直白，一看就知道是在做数组拼接，可读性和简洁性都提升了不少。

内容的提问来源于stack exchange，提问作者Konchog