Python如何通过索引无循环拆分多维NumPy数组为两个单列数组

问题背景 #

待处理的输入是存储了多个形状为(1,2)的float32类型NumPy数组的列表，样例结构如下：

[
    array([[55.       ,  0.2443461]], dtype=float32),
    array([[-51.       ,   2.8972466]], dtype=float32),
    array([[-10.       ,   2.8972466]], dtype=float32),
    array([[221.       ,   0.2268928]], dtype=float32),
    array([[2.2000000e+02, 2.0943952e-01]], dtype=float32)
]

需要将其拆分为两个独立数组：

• 第一个数组收集所有子数组的第一个元素，预期结果为[55, -51, -10, 221, 220]（注：示例中写的1.2000000e+02为笔误，原输入最后一个子数组首值为2.2e+02即220）
• 第二个数组收集所有子数组的第二个元素，预期结果为[0.2443461, 2.8972466, 2.8972466, 0.2268928, 2.0943952e-01]

原有实现为Python层显式循环，大数据量下效率较低：

for x in range(lines_len):
    lines_angles.append(lines[x][0][1])
    lines_dist.append(lines[x][0][0])

无循环实现方法 #

可以完全通过NumPy原生向量化操作实现，避免Python层循环，执行效率会有量级提升，仅需两步：

1. 用np.vstack将列表中所有零散的(1,2)子数组纵向堆叠为一个形状为(N, 2)的统一二维数组，N为子数组总个数
2. 直接通过列索引拆分二维数组即可，第0列对应所有首元素，第1列对应所有次元素

完整代码：

import numpy as np

# 合并为统一二维数组
lines_merged = np.vstack(lines)
# 按列拆分
lines_dist = lines_merged[:, 0]
lines_angles = lines_merged[:, 1]

如果需要输出Python原生列表而非NumPy数组，只需要调用.tolist()方法即可：

lines_dist = lines_merged[:, 0].tolist()
lines_angles = lines_merged[:, 1].tolist()

效果验证 #

执行后输出结果与预期完全匹配：

lines_dist: [ 55. -51. -10. 221. 220.]
lines_angles: [0.2443461  2.8972466  2.8972466  0.2268928  0.20943952]

内容的提问来源于stack exchange，提问作者BranAndSceolan