Numpy：沿指定轴重塑数组答案

【问题标题】：Numpy: Reshape array along a specified axisNumpy：沿指定轴重塑数组
【发布时间】：2016-12-20 03:36:56
【问题描述】：

我有以下数组：

x = np.arange(24).reshape((2,3,2,2))
array([[[[ 0,  1],
     [ 2,  3]],

    [[ 4,  5],
     [ 6,  7]],

    [[ 8,  9],
     [10, 11]]],


   [[[12, 13],
     [14, 15]],

    [[16, 17],
     [18, 19]],

    [[20, 21],
     [22, 23]]]])

我想将它重塑为如下所示的 (3,4,2) 数组：

array([[[ 0,  1],
    [ 2,  3],
    [12, 13],
    [14, 15]],

   [[ 4,  5],
    [ 6,  7],
    [16, 17],
    [18, 19]],

   [[ 8,  9],
    [10, 11],
    [20, 21],
    [22, 23]]])

我尝试使用 reshape，但它给了我以下不是我想要的。

array([[[ 0,  1],
    [ 2,  3],
    [ 4,  5],
    [ 6,  7]],

   [[ 8,  9],
    [10, 11],
    [12, 13],
    [14, 15]],

   [[16, 17],
    [18, 19],
    [20, 21],
    [22, 23]]])

有人可以帮忙吗？

【问题讨论】：

标签： python arrays numpy

【解决方案1】：

x = np.arange(24).reshape((2,3,2,2))
y = np.dstack(zip(x))[0]
print y

结果：

[[[ 0  1]
  [ 2  3]
  [12 13]
  [14 15]]

 [[ 4  5]
  [ 6  7]
  [16 17]
  [18 19]]

 [[ 8  9]
  [10 11]
  [20 21]
  [22 23]]]

【讨论】：

谢谢朱利安。这工作正常。但是，出于性能原因，我更喜欢原生 numpy 解决方案。
此函数将用于多次转换大型 numpy 数组。我不确定 zip 是否针对此类数组操作进行了优化。
您和 Divakar 的解决方案都没有问题。我只是花了一点时间测试这两种解决方案的性能。事实证明 Divakar 的解决方案要快两倍，所以我将他的解决方案标记为答案。谢谢你们。

【解决方案2】：

像这样使用transpose，然后使用reshape -

shp = x.shape
out = x.transpose(1,0,2,3).reshape(shp[1],-1,shp[-1])

【讨论】：

【解决方案3】：

你也可以像这样使用concatenate-

out=np.concatenate((x),axis=1)

我会注意那些，因为你提到这是为了性能，这似乎并不比Divakar 建议快：

shp = x.shape
out = x.transpose(1,0,2,3).reshape(shp[1],-1,shp[-1])

如果有人做基准测试或找到更快的东西，我很想知道。

【讨论】：