通过填充在numpy中表示参差不齐的数组

Question

我有一个scores与某些对象相关联的一维 numpy分数数组。这些对象属于一些不相交的组，第一组项目的所有分数在前，第二组项目的分数在后，以此类推。

我想创建一个二维数组，其中每一行对应一个组，每个条目是其中一个项目的分数。如果所有组的大小相同，我可以这样做：

scores.reshape((numGroups, groupSize))

不幸的是，我的小组可能大小不一。我知道 numpy 不支持参差不齐的数组，但如果结果数组只是用指定的值填充每一行以使所有行的长度相同，那么对我来说很好。

为了具体化，假设我设置A了 3 个项目、B2 个项目和C4 个项目。

scores = numpy.array([f(a[0]), f(a[1]), f(a[2]), f(b[0]), f(b[1]), 
                       f(c[0]), f(c[1]), f(c[2]), f(c[3])])
rowStarts = numpy.array([0, 3, 5])
paddingValue = -1.0
scoresByGroup = groupIntoRows(scores, rowStarts, paddingValue)

的期望值scoresByGroup为：

 [[f(a[0]), f(a[1]), f(a[2]), -1.0], 
    [f(b[0]), f(b[1]), -1.0, -1.0]
    [f(c[0]), f(c[1]), f(c[2]), f(c[3])]]

是否有一些 numpy 函数或函数组合可以用来创建groupIntoRows？

背景：

• 此操作将用于计算 Theano 中梯度下降算法的 minibatch 的损失，因此如果可能，我需要将其保留为 numpy 函数的组合，而不是使用原生 Python。
• 假设有一些已知的最大行大小是可以的
• 被评分的原始对象是向量，评分函数是矩阵乘法，这就是我们首先将事物展平的原因。在进行矩阵乘法之前可以将所有内容填充到最大项目集大小，但最大集比平均集大小大十倍以上，因此出于速度原因，这是不可取的。

Answer 1

尝试这个：

scores = np.random.rand(9)
row_starts = np.array([0, 3, 5])
row_ends = np.concatenate((row_starts, [len(scores)]))
lens = np.diff(row_ends)
pad_len = np.max(lens) - lens
where_to_pad = np.repeat(row_ends[1:], pad_len)
padding_value = -1.0
padded_scores = np.insert(scores, where_to_pad,
                          padding_value).reshape(-1, np.max(lens))

>>> padded_scores
array([[ 0.05878244,  0.40804443,  0.35640463, -1.        ],
       [ 0.39365072,  0.85313545, -1.        , -1.        ],
       [ 0.133687  ,  0.73651147,  0.98531828,  0.78940163]])