如何使 2d numpy 数组成为 3d 数组？答案

【问题标题】：How to make a 2d numpy array a 3d array?如何使 2d numpy 数组成为 3d 数组？
【发布时间】：2011-11-14 09:33:39
【问题描述】：

我有一个形状为 (x, y) 的 2d 数组，我想将其转换为形状为 (x, y, 1) 的 3d 数组。有没有很好的 Pythonic 方式来做到这一点？

【问题讨论】：

标签： python multidimensional-array numpy

【解决方案1】：

简单的方法，有一些数学运算

首先你知道数组元素的数量，比如说 100 然后将 100 分为 3 个步骤，例如：

25 * 2 * 2 = 100

或：4 * 5 * 5 = 100

import numpy as np
D = np.arange(100)
# change to 3d by division of 100 for 3 steps 100 = 25 * 2 * 2
D3 = D.reshape(2,2,25) # 25*2*2 = 100

另一种方式：

another_3D = D.reshape(4,5,5)
print(another_3D.ndim)

到 4D：

D4 = D.reshape(2,2,5,5)
print(D4.ndim)

【讨论】：

【解决方案2】：

你可以通过重塑来做到这一点

例如，您有一个形状为 35 x 750（二维）的数组 A，您可以使用 A.reshape(35, 25, 30) 将形状更改为 35 x 25 x 30（三维）

更多在文档here

【讨论】：

【解决方案3】：

如果您只想将第三轴 (x,y) 添加到 (x,y,1)，Numpy 允许您使用 dstack 命令轻松完成此操作。

import numpy as np
a = np.eye(3) # your matrix here
b = np.dstack(a).T

您需要转置 (.T) 以将其转换为所需的 (x,y,1) 格式。

【讨论】：

【解决方案4】：

import numpy as np

# create a 2D array
a = np.array([[1,2,3], [4,5,6], [1,2,3], [4,5,6],[1,2,3], [4,5,6],[1,2,3], [4,5,6]])

print(a.shape) 
# shape of a = (8,3)

b = np.reshape(a, (8, 3, -1)) 
# changing the shape, -1 means any number which is suitable

print(b.shape) 
# size of b = (8,3,1)

【讨论】：

【解决方案5】：

希望这个功能可以帮助您将 2D 数组转换为 3D 数组。

Args:
  x: 2darray, (n_time, n_in)
  agg_num: int, number of frames to concatenate. 
  hop: int, number of hop frames. 

Returns:
  3darray, (n_blocks, agg_num, n_in)


def d_2d_to_3d(x, agg_num, hop):

    # Pad to at least one block. 
    len_x, n_in = x.shape
    if (len_x < agg_num): #not in get_matrix_data
        x = np.concatenate((x, np.zeros((agg_num - len_x, n_in))))

    # main 2d to 3d. 
    len_x = len(x)
    i1 = 0
    x3d = []
    while (i1 + agg_num <= len_x):
        x3d.append(x[i1 : i1 + agg_num])
        i1 += hop

    return np.array(x3d)

【讨论】：

【解决方案6】：

除了其他答案，你还可以使用切片numpy.newaxis：

>>> from numpy import zeros, newaxis
>>> a = zeros((6, 8))
>>> a.shape
(6, 8)
>>> b = a[:, :, newaxis]
>>> b.shape
(6, 8, 1)

甚至这个（可以使用任意数量的维度）：

>>> b = a[..., newaxis]
>>> b.shape
(6, 8, 1)

【讨论】：

在旁注中，numpy.newaxis 只是None。 newaxis 只是为了便于阅读。相当于只做b = a[..., None]（省略号还允许它适用于 N 维数组，而不仅仅是二维数组。）
是的。出于某种原因，我的印象是 newaxis 成为 None 只是一个实现细节（因此将来可能会发生变化），但它看起来像是明确记录在案的。
假设您希望第三个轴不是 1？例如你如何将a 转换为b 和b.shape = (6,8,3)？
@Gathide：这取决于。您的旧数组中有 6*8 = 48 数字。新的有6*8*3 = 144 号码。你想如何将原来的 48 个数字映射到你的新数组中？沿第三轴重复？在这种情况下，大多数时候您不必为重复而烦恼：将其保留为 shape (6, 8, 1) 并利用 NumPy 的广播能力。但如果你真的需要形状(6, 8, 3)，请查看np.tile 和np.broadcast_to。
@Gathide 正如 Mark Dickinson 所说，您可以使用 np.broadcast_to 来做到这一点，例如 b = np.broadcast_to(a[..., np.newaxis], (6, 8, 3))。

【解决方案7】：

numpy.reshape(array, array.shape + (1,))

【讨论】：

谢谢，我用了 A = A.reshape(A.shape + (1,))
如果您愿意修改A，您可以简单地分配给形状属性：A.shape = A.shape + (1,)，甚至A.shape += 1,。
假设我有一个 3D [1000,10,5] 数组，我想将其转换为形状为 [1000, 50] 的 2D，例如连接第 2 和第 3 个初始维度。在这种情况下reshape 好吗？
@serafeim，当然。
谢谢。我注意到预期的结果是当我在np.reshape 中使用order='F' 时。如果没有指定order='F'，那么在我的情况下输出是错误的

【解决方案8】：

import numpy as np

a= np.eye(3)
print a.shape
b = a.reshape(3,3,1)
print b.shape

【讨论】：