如何在 Python 中重塑 Numpy 数组答案

【问题标题】：How To ReShape a Numpy Array in Python如何在 Python 中重塑 Numpy 数组
【发布时间】：2019-05-05 11:40:21
【问题描述】：

我有一个numpy array 形状为(5879,) 的图像。在 numpy 数组的每个索引中，我都有形状为(640,640,3) 的图像像素。我想重塑整个数组，使 numpy 数组的形状变为(5879,640,640,3)。

【问题讨论】：

试试array.ravel().reshape((5879,640,640,3))
看来你需要np.stack。
原始数组的dtype是什么？

标签： python python-3.x numpy image-processing image-segmentation

【解决方案1】：

您希望将图像沿第一个轴堆叠成一个 4D 数组。但是，您的图像都是 3D 的。所以，首先你需要add a leading singleton dimension 到所有图片，然后concatenate 他们沿着这个轴：

imgs = [i_[None, ...] for i_ in orig_images]  # add singleton dim to all images
x = np.concatenate(imgs, axis=0)  # stack along the first axis

编辑：
基于Mad Phyiscist's comment，似乎在这里使用np.stack 更合适：np.stack 负责为您添加前导单例维度：

x = np.stack(orig_images, axis=0)

【讨论】：

看起来有点矫枉过正。堆叠而不是串联可能更好。
我认为这并不过分。 stack 做同样的事情，只是将它隐藏在函数调用中。方便，但知道如何直接使用concatenate也是一个好主意。

【解决方案2】：

请检查以下代码是否适合您

import numpy as np

b = np.array([5879])
b.shape

output (1,)

a = np.array([[640],[640],[3]])
a = a.reshape((a.shape[0], 1))
a.shape

output (3, 1)

c = np.concatenate((a,b[:,None]),axis=0)
c.shape

Output:
(4, 1) 

np.concatenate((a,b[:,None]),axis=0)

output 
array([[ 640],
   [ 640],
   [   3],
   [5879]])

【讨论】：

您可以使用 c = c.reshape((1,c.shape[0])) 将 c 重塑为 (1, 4)