在 numpy 数组中重塑和连接答案

【问题标题】：Reshape and concatenate within a numpy array在 numpy 数组中重塑和连接
【发布时间】：2020-02-08 22:08:51
【问题描述】：

我想知道是否存在转换这样一个矩阵的简单方法：

[[[1, 2, 3, 4], [5, 6, 7, 8]], [[9, 10, 11, 12], [13, 14, 15, 16]]]

进入

[[1 ,2 ,5 ,6 ],
 [3 ,4 ,7 ,8 ],
 [9 ,10,13,14],
 [11,12,15,16]]

这相当于将每个初始列表reshape成2x2矩阵，然后将它们连接起来；例如 np.array([1,2,3,4]).reshape((2,2)) 给出 [[1,2],[3,4]]

np.array([5, 6, 7, 8]).reshape((2,2)) 给出 [[5,6],[7,8]]

所以

np.concatenate((np.array([1,2,3,4]).reshape((2,2)), np.array([5, 6, 7, 8]).reshape((2,2))), axis=1)

会给

array([[1 ,2 ,5 ,6 ],
       [3 ,4 ,7 ,8 ]])

等等……

这确实是一个虚拟的例子，因为我需要处理更多（和更大）的矩阵，我必须找到一个更直接的方法。

【问题讨论】：

如果我理解正确，你想“删除”第二个维度？

标签： python arrays numpy

【解决方案1】：

我们可以将reshape 与swapaxes 和concatenate 沿第一轴使用：

np.concatenate(a.reshape(a.shape[0], a.shape[1], 2, -1)
                 .swapaxes(1,2)
                 .reshape(a.shape))

array([[ 1,  2,  5,  6],
       [ 3,  4,  7,  8],
       [ 9, 10, 13, 14],
       [11, 12, 15, 16]])

【讨论】：

哇！这很让人佩服！非常感谢！现在我只需要学习和理解这个我不知道的交换轴方法:)
最后我无法将它应用于我的问题...我有 Q.shape = (10,10,784)，并且我想以与我的示例相同的方式找到 (280,280 ) 异形矩阵；我最终使用了data = np.array([]) for l in Q: ligne = np.array([]) for s in l: if ligne.shape == (0,) : ligne = s.reshape((28,28)) else: ligne = np.concatenate((ligne, s.reshape((28,28))), axis=1) if data.shape == (0,) : data = ligne else: data = np.concatenate((data, ligne), axis=0)
np.concatenate(Q.reshape(a, b, c, -1).swapaxes(d,e).reshape(Q.shape)) 的 a,b,c,d,e 是什么？
糟糕的是我硬编码了前两个轴，现在试试@Netchaiev
仍然无法正常工作（我最后得到一个 100x784 矩阵...），因为在我感兴趣的矩阵 Q 中，Q.shape[0] 和 Q.shape[1] 将为 10 并且，在某些时候，我想必须将 784 个长列表变成 28x28 矩阵...