如何通过迭代创建其他 numpy 数组的 numpy 数组？ [关闭]

Question

我正在尝试创建一个 numpy 数组，其中每个元素都是一个 (48,48) 形状的 numpy 数组，本质上是一个大列表，我可以在其中迭代并每次检索不同的 48x48 数组。

for i in range(1):
    new_image = np.fromstring(train_np[i][1],dtype=int,sep=" ")
    new_image = new_image.reshape(48,48) #create the new 48x48 correctly

    image_train = np.stack([image_train,new_image]) #this line only works once

当 range 为 1 时（只运行一次），堆栈返回 (2, 48 48) 的预期结果形状。运行不止一次，结果

ValueError: all input arrays must have the same shape

在这种情况下，有没有比 np.stack 更好的操作？我想迭代并看到形状变成 (2,48,48) -> (3,48,48) -> (4,48,48) ... 等等。

Answer 1

numpy 针对大型并行计算进行了优化。它在设计上没有非常灵活的数据形状，所以如果你不能硬编码你的数据的形状，你通常最好使用列表（这是灵活的）然后在最后调用numpy来堆叠它们.

image_train = []

for i in range(1):
    new_image = np.fromstring(train_np[i][1],dtype=int,sep=" ")
    new_image = new_image.reshape(48,48) 
    image_train.append(new_image) 

image_train = np.stack(image_train)

也就是说，您可以为此使用np.concatenate，但这会非常缓慢且糟糕的做法。