如何在python中合并不同维度的数组？答案

【问题标题】：how to merge different dimensions arrays in python?如何在python中合并不同维度的数组？
【发布时间】：2019-02-26 04:29:24
【问题描述】：

我正在使用 keras 分析一些图像表示的数据集。我被困住了，我有两个不同尺寸的图像。请看快照。 features 有 14637 张尺寸为 (10,10,3) 的图像， features2 的尺寸为 (10,10,100)

有什么方法可以将这两个数据合并/连接在一起。？

【问题讨论】：

您希望新数组在串联后是什么？
您是在 Keras 还是 Numpy 中寻找答案？你想要一个融合两者的神经网络层吗？如果是这样，那么您可以使用 Keras concatenate。
@caseWestern 连接不仅用于合并图层...？？我正在做早期融合的事情。 neb 的回答非常适合我。谢谢
concatenate 在 Keras 中的作用与在 Numpy 中的 concatenate 相同，只是使用 Keras 张量而不是 Numpy 数组。因此，如果您需要在神经网络中合并两个张量，您将使用 Keras 版本。不过，我很高兴该解决方案对您有用。
哦，好吧，我不知道。谢谢你的信息:)

标签： python image-processing deep-learning

【解决方案1】：

我认为如果你使用类会更好。

class your_class:
     array_1 = []
     array_2 = []

 final_array = []

 for x in range(len(your_previous_one_array)):
     temp_class = your_class
     temp_class.array_1 = your_previous_one_array
     temp_class.array_2 = your_previous_two_array
     final_array.append(temp_class)

【讨论】：

【解决方案2】：

如果 features 和 features2 包含 same 批图像的特征，即 features[i] 是每个 i 的 features2[i] 的相同图像，那么分组是有意义的使用numpy函数concatenate()的单个数组中的特征：

newArray = np.concatenate((features, features2), axis=3)

其中 3 是连接数组的轴。在这种情况下，您最终会得到一个维度为 (14637, 10, 10, 103) 的新数组。

但是，如果它们指的是完全不同的图像批次，并且您希望将它们合并到第一个轴上，以便将特征 2 的 14637 个图像放置在在第一个 14637 个图像之后，那么，你不可能最终得到一个数组，因为 numpy 数组的结构是矩阵，而不是对象列表。

例如，如果您尝试执行：

> a = np.array([[0, 1, 2]]) // shape = (1, 3)
> b = np.array([[0, 1]]) // shape = (1, 2)
> c = np.concatenate((a, b), axis=0)

然后，你会得到：

ValueError: all the input array dimensions except for the concatenation axis must match exactly

因为您沿轴 = 0 连接，但轴 1 的尺寸不同。

【讨论】：

感谢@neb，它对我有用。是的，功能来自同一批次。我完全想要这个结果（14637、10、10、103）。 :) 谢谢
@FarzanM.Ñóòrî 我的荣幸 :)

【解决方案3】：

如果处理 numpy 数组，您应该能够使用 concatenate 方法并指定数据应该合并的轴。基本上：np.concatenate((array_a, array_b), axis=2)

【讨论】：