沿任意轴连接未知维度的 numpy 数组答案

【问题标题】：Concatenation of numpy arrays of unknown dimension along arbitrary axis沿任意轴连接未知维度的 numpy 数组
【发布时间】：2013-11-07 07:48:12
【问题描述】：

我有两个未知维度的数组A 和B，我想沿着Nth 维度连接它们。例如：

>>> A = rand(2,2)       # just for illustration, dimensions should be unknown
>>> B = rand(2,2)       # idem
>>> N = 5

>>> C = concatenate((A, B), axis=N)
numpy.core._internal.AxisError: axis 5 is out of bounds for array of dimension 2

>>> C = stack((A, B), axis=N)
numpy.core._internal.AxisError: axis 5 is out of bounds for array of dimension 3

问了一个相关问题here。不幸的是，当尺寸未知时，提出的解决方案不起作用，我们可能必须添加几个新轴，直到获得最小尺寸N。

我所做的是用 1 将形状扩展到 Nth 维度，然后连接：

newshapeA = A.shape + (1,) * (N + 1 - A.ndim)
newshapeB = B.shape + (1,) * (N + 1 - B.ndim)
concatenate((A.reshape(newshapeA), B.reshape(newshapeB)), axis=N)

例如，使用此代码，我应该能够将 (2,2,1,3) 数组与沿轴 3 的 (2,2) 数组连接起来。

有没有更好的方法来实现这一点？

ps：按照第一个答案的建议更新。

【问题讨论】：

标签： python arrays numpy concatenation

【解决方案1】：

这应该可行：

def atleast_nd(x, n):
    return np.array(x, ndmin=n, subok=True, copy=False)

np.concatenate((atleast_nd(a, N+1), atleast_nd(b, N+1)), axis=N)

【讨论】：

在这里我想我必须做一堆手动重塑逻辑才能实现atleast_nd 函数。这要好得多。谢谢！

【解决方案2】：

我不认为你的方法有什么问题，虽然你可以让你的代码更紧凑一点：

newshapeA = A.shape + (1,) * (N + 1 - A.ndim)

【讨论】：

谢谢！那好多了。尽管如此，我一直在寻找的是一些避免显式构造新形状的解决方案。 vstack 和 dstack 仅对 2d 和 3d 数组执行我想要的操作。

【解决方案3】：

另一种选择，使用numpy.expand_dims：

>>> import numpy as np
>>> A = np.random.rand(2,2)
>>> B = np.random.rand(2,2)
>>> N=5


>>> while A.ndim < N:
        A= np.expand_dims(A,x)
>>> while B.ndim < N:
        B= np.expand_dims(B,x)
>>> np.concatenate((A,B),axis=N-1)

【讨论】：

expand_dims 的核心是重塑：a.reshape(shape[:axis] + (1,) + shape[axis:]