如何将一维数组重塑为形状（1,4,5）的数组？答案

【问题标题】：How to reshape a 1-d array into a an array of shape (1,4,5)?如何将一维数组重塑为形状（1,4,5）的数组？
【发布时间】：2017-01-02 02:53:08
【问题描述】：

我有这些向量：

a = [1,2,3,4]
b = [1,2,3,5]

我希望最后能有这个：

A = [ [1,0,0,0,0]
      [0,1,0,0,0]
      [0,0,1,0,0]
      [0,0,0,1,0] ]

B = [ [1,0,0,0,0]
      [0,1,0,0,0]
      [0,0,1,0,0]
      [0,0,0,0,1] ]

我一直以这种方式从 python 中使用 np.reshape：

A = np.reshape(a,(1,4,1))
B = np.reshape(b,(1,4,1))

它只是完成了部分工作，因为我得到了以下结果：

A = [[1]
     [2]
     [3]
     [4]]

B = [[1]
     [2]
     [3]
     [5]]

理想情况下，我想要这样的东西：

A = np.reshape(a,(1,4,(1,5))

但是在阅读文档时，这是不可能的。

提前感谢您的帮助

【问题讨论】：

你需要考虑到列表a中的每一项都是一个范围从max(a,b)的分类值
如果a 和b 中的值假设基于0 的索引会更“pythonic”，所以0 是第一列。您有机会对您的代码进行这样的更改吗？（这不是必需的，但它会很好。它消除了解决方案中的减法 1。）

标签： python numpy reshape encoder

【解决方案1】：

您尝试做的实际上并不是重塑，因为您改变了数据的结构。用你想要的形状创建一个新数组：

A = np.zeros(myshape)
B = np.zeros(myshape)

然后索引这些数组

n = 0
for i_a, i_b in zip(a, b):
    A[n, i_a - 1] = 1
    B[n, i_b - 1] = 1
    n += 1

赋值中的i_a/i_b - 1 仅用于使第 1 个索引成为第 0 个元素。这也仅在 a 和 b 具有相同长度时才有效。如果它们的长度不同，请制作这两个循环。可能有一个更优雅的解决方案，但这应该可以完成工作:)

【讨论】：

【解决方案2】：

或者，numpy 可以一次性为行/列上的多个索引赋值，例如：

In [1]: import numpy as np

In [2]: b = [1,2,3,5]
   ...: 
   ...: 

In [3]: zero = np.zeros([4,5])

In [4]: brow, bcol = range(len(b)), np.array(b) -1  # logical transform

In [5]: zero[brow, bcol] = 1

In [6]: zero
Out[6]: 
array([[ 1.,  0.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  1.]])

【讨论】：

仅供参考：要获取整数数组，请使用zero = np.zeros((4, 5), dtype=int)。