如何将 4D numpy 数组重塑为 3D 数组

Question

我有一个 pandas 数组，其中包含一个列表列表，即 3 个嵌入列表 row 1 = [[[10,23,...,25],[10,23,...,25],[10,23,...,25]]] 最小的子列表包含 3 个列表，每个列表包含 601 个值。第一级子列表包含可变数量的列表 例如第 1 行的形状为 (22,601,3)，第 2 行的形状为 (19,601,3) 等等。

当我将数组转换为 numpy 数据帧时，我得到了数组中行总长度的形状。 array = df.values or df.to_numpy() 该数组有 100 行 array.shape = (100,)

每个索引都有不同的长度 例如array[0].shape = (22,601,3) 行 = 22

我想展平/重塑数组，其中行数保持不变，但维度数会改变，使得形状变为 array.shape = (100,rows*601,3)

基本上就像将数组展平以使其适合尺寸并成为可以输入 RNN 模型的 3D 数组

Answer 1

尝试一个小例子：

In [235]: alist = [np.ones((n,10,3),int) for n in [22,10,3,21]]
In [236]: arr = np.array(alist, object)
In [237]: arr.shape
Out[237]: (4,)
In [238]: arr[0].shape
Out[238]: (22, 10, 3)

这个arr 应该像你在df 中的数组。

如果其他维度都匹配（例如 (10,3)），则可以在第一个轴上简单连接子数组

In [239]: np.concatenate(arr, axis=0).shape
Out[239]: (56, 10, 3)
In [240]: sum([22,10,3,21])
Out[240]: 56

将其重塑为 (4,14,10,3) 有意义吗？这个和是 4 的倍数，但一般情况下并非如此。

或者，我们可以将子数组重塑为 2d，然后连接：

In [241]: arr1 = [i.reshape(-1,3) for i in arr]
In [242]: np.concatenate(arr1, axis=0).shape
Out[242]: (560, 3)
In [243]: np.concatenate(arr1, axis=0).reshape(4,-1,3).shape
Out[243]: (4, 140, 3)        # (4, 14*10, 3)

这可能是一样的。