在Python中将具有[n，m]维度的x个numpy数组转换为具有[x，n，m]维度的单个数组[重复]答案

【问题标题】：Turn x numpy arrays with dimensions [n, m] into a single array with dimensions [x, n, m] in Python [duplicate]在Python中将具有[n，m]维度的x个numpy数组转换为具有[x，n，m]维度的单个数组[重复]
【发布时间】：2021-09-11 23:10:18
【问题描述】：

我正在用 Python 进行一些图像处理。我有一组灰度图像 (512 x 512) 保存在包含 201 个图像的堆叠 .tif 文件中。当我用skimage.io.imread 打开这个文件时，它会生成一个尺寸为[201, 512, 512] 的3D 数组，让我可以轻松地遍历每个灰度图像——这正是我想要的。

在对这些图像执行一些操作后，我有一个包含十个二维数组的列表，我想将它们放回 skimage.io.imread 生成的相同维度格式 - 即。 [10, 512, 512].

使用 numpy.dstack 生成一个维度为 [512, 512, 10] 的数组。并且 numpy.concatenate 也不做这项工作。

如何将此 2D 数组列表转换为具有上述指定维度的 3D 数组？

【问题讨论】：

恭喜，您现在拥有可以投票的声誉！

标签： python arrays numpy image-processing scikit-image

【解决方案1】：

一种解决方案是考虑您有一个形状为[512, 512, 10] 的数组并将最后一个轴移动到第一个：

import numpy as np
imgs = np.random.random((512, 512, 10))

imgs = np.moveaxis(imgs, -1, 0)
print(imgs.shape)
# (10, 512, 512)

其他方式是使用np.vstack()like：

import numpy as np

# List of 10 images of size (512 x 512) each
imgs = [np.random.random((512, 512)) for _ in range(10)]

output = np.vstack([x[None, ...] for x in imgs])
print(output.shape)
# (10, 512, 512)

【讨论】：

【解决方案2】：

最通用的解决方案是使用普通的np.stack 并指定要添加到数组中的轴。

取自@amrind's answer的符号：

result = np.stack(imgs, axis=0)

这大致相当于只是做

result = np.array(imgs)

【讨论】：