我可以从 numpy 数组列表中创建一个具有一个可变维度的 numpy 数组吗？

Question

这是我的问题的一个最小示例，我有一个如下所示的 numpy 数组列表：

a = np.zeros([4,3])
b = np.ones([5,3])
my_list = [a, b]

my_list
[array([[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]]), array([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]])]

列表中的数组可以在一个（并且只有一个）维度（这里是 4 或 5）中具有可变长度。

我最终想要的是一个尺寸为（2，“可变大小”，3）的numpy数组。输出应如下所示：

array([[[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]],
        [[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]]])

np.vstack() 或 np.concatenate() 不会返回我正在寻找的形状，因为它们正在生成具有 (9, 3) 形状的输出。

Answer 1

你不能有形状为 (2, "Variable-size", 3) 的 numpy 数组，但你可以连接两个形状为 ("Variable-size ", 3) 到 (shape1[0] + shape2[0], 3)。 正如你所写：

我正在寻找，因为他们正在生成具有 (9, 3) 形状的输出

numpy.concatenate()

可以解决您的问题：

np.concatenate((a,b))

输出：

array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

如果您仍想在 numpy 中保持可变的第 3 维，唯一的方法是使用 padding，这里使用 zero padding：

import numpy as np

a = np.array([
    [50., 50., 50.],
    [50., 50., 50.],
    [50., 50., 50.],
    [50., 50., 50.],
    [0., 0., 0.] # zero padding 
])

b = np.array([
    [80., 80., 80.],
    [80., 80., 80.],
    [80., 80., 80.],
    [80., 80., 80.],
    [80., 80., 80.]
])

new_matrix = [a, b]

print(new_matrix)

输出：

[array([[50., 50., 50.],
       [50., 50., 50.],
       [50., 50., 50.],
       [50., 50., 50.],
       [ 0.,  0.,  0.]]), array([[80., 80., 80.],
       [80., 80., 80.],
       [80., 80., 80.],
       [80., 80., 80.],
       [80., 80., 80.]])]

此方法可广泛用于一种图像处理解决方案。 通过这个技巧，您也可以利用numpy 中矩阵运算的所有积极属性，但您可以保持数据形状相对灵活。 正如威廉上面提到的，numpy 仅适用于“矩形”数据，并且在大多数情况下，使用可变维矩阵的操作将是模棱两可的。

如果您甚至不想使用任何上述解决方案，则必须选择列表和 numpy 数组组合，即列表中具有任意维度的 numpy 数组。