Matlab vs Python：重塑

Question

于是我找到了this：

在转换 MATLAB 代码时，可能需要先重塑 矩阵到线性序列，执行一些索引操作，然后 重塑回来。由于重塑（通常）会产生相同的视图 存储，应该可以相当有效地做到这一点。

请注意，Numpy 中 reshape 使用的扫描顺序默认为 'C' 顺序，而 MATLAB 使用 Fortran 顺序。如果你只是 转换为线性序列并返回这并不重要。但如果 您正在从依赖于扫描的 MATLAB 代码转换重塑 顺序，然后这个 MATLAB 代码：

z = reshape(x,3,4);

应该变成

z = x.reshape(3,4,order='F').copy()

在 Numpy 中。

当我在 MATLAB 中做时，我有一个名为 mafs 的多维 16*2 数组：

mafs2 = reshape(mafs,[4,4,2]) 

我得到的东西与我在 python 中所做的不同：

mafs2 = reshape(mafs,(4,4,2))

甚至

mafs2 = mafs.reshape((4,4,2),order='F').copy()

对此有任何帮助吗？谢谢大家。

Answer 1

我自己也有类似的问题，因为我也在尝试从 MATLAB 过渡到 Python。我终于能够将一个以深度、行、列、格式给出的 numpy 矩阵转换为单张列向量（每张图像）。

在 MATLAB 中我会做类似的事情：

output = reshape(imStack,[row*col,depth])

在 Python 中，这似乎转换为：

import numpy as np
output=np.transpose(imStack)
output=output.reshape((row*col, depth), order='F')

Answer 2

例子：

MATLAB：

>> mafs = [(1:16)' (17:32)']
mafs =
     1    17
     2    18
     3    19
     4    20
     5    21
     6    22
     7    23
     8    24
     9    25
    10    26
    11    27
    12    28
    13    29
    14    30
    15    31
    16    32

>> reshape(mafs,[4 4 2])
ans(:,:,1) =
     1     5     9    13
     2     6    10    14
     3     7    11    15
     4     8    12    16
ans(:,:,2) =
    17    21    25    29
    18    22    26    30
    19    23    27    31
    20    24    28    32

Python：

>>> import numpy as np
>>> mafs = np.c_[np.arange(1,17), np.arange(17,33)]
>>> mafs.shape
(16, 2)
>>> mafs[:,0]
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16])
>>> mafs[:,1]
array([17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32])

>>> r = np.reshape(mafs, (4,4,2), order="F")
>>> r.shape
(4, 4, 2)
>>> r[:,:,0]
array([[ 1,  5,  9, 13],
       [ 2,  6, 10, 14],
       [ 3,  7, 11, 15],
       [ 4,  8, 12, 16]])
>>> r[:,:,1]
array([[17, 21, 25, 29],
       [18, 22, 26, 30],
       [19, 23, 27, 31],
       [20, 24, 28, 32]])