将numpy数组转换为沿不同深度维度堆叠的简单方法答案

【问题标题】：Simple way to transform numpy array to stack along different depth dimension将numpy数组转换为沿不同深度维度堆叠的简单方法
【发布时间】：2018-05-12 16:35:20
【问题描述】：

我正在尝试以下列方式转换一个 numpy ndarray。

这是我目前rot_F给出的数组：

# F is laid out to be human readable here
F = np.array(
    [ 
        [# Filter 0
             [ # Depth 0
             [1, -1],
             [2,  0]
             ],
             [ # Depth 1
             [ 0,  0],
             [-1, -1]
             ]
        ],
        [# Filter 1
             [ # Depth 0
             [0, -1],
             [3,  0]
             ],
             [ # Depth 1
             [ 1,  2],
             [-1, -1]
             ]
        ]
    ]
    )

F = np.moveaxis(F,1,3)

# rotate F by 180 degrees along axes (1,2)
rot_F = np.rot90(F,2,(1,2))

print(rot_F)

OUTPUT FROM print(rot_F):
[[[[ 0 -1]
   [ 2 -1]]

  [[-1  0]
   [ 1  0]]]

[[[ 0 -1]
  [ 3 -1]]

  [[-1  2]
   [ 0  1]]]]

现在我想把 rot_F 变成如下：

desired_filters = np.zeros_like(rot_F)
desired_filters[0,:,:,0] = np.array([[0,2],[-1,1]])
desired_filters[0,:,:,1] = np.array([[0,3],[-1,0]])
desired_filters[1,:,:,0] = np.array([[-1,-1],[0,0]])
desired_filters[1,:,:,1] = np.array([[-1,-1],[2,1]])


print(desired_filters)

OUTPUT FROM print(desired_filters):
[[[[ 0  0]
   [ 2  3]]

  [[-1 -1]
   [ 1  0]]]


  [[[-1 -1]
    [-1 -1]]

   [[ 0  2]
    [ 0  1]]]]

基本上，我尝试将 rot_F 中第 0 个深度维度上的所有数组沿它们自己的深度维度堆叠，并将 rot_F 中第 1 个深度维度上的所有数组堆叠在它们自己的深度维度上，同时保留原始形状。

【问题讨论】：

确保您理解np.rot90。在其代码中，我看到了transpose 和flip 的使用。 flip 是 [::-1] 索引。
有了这些初始的F 值，识别rot_F 中发生了什么变化或所需的输出是乏味的。没有明显的规律。
在 rot_f 中，每个二维数组旋转 180 度。在所需的输出中，深度 0 处的所有二维数组现在都沿它们自己的深度轴堆叠，深度 1 也是如此。

标签： numpy

【解决方案1】：

经过transpose 的大量试验和错误：

In [157]: rotF = np.rot90(np.moveaxis(F,1,3),2,(1,2))
In [158]: rotF
Out[158]: 
array([[[[ 0, -1],
         [ 2, -1]],

        [[-1,  0],
         [ 1,  0]]],


       [[[ 0, -1],
         [ 3, -1]],

        [[-1,  2],
         [ 0,  1]]]])
In [159]: F1 = rotF.transpose(3,0,1,2)
In [160]: F1
Out[160]: 
array([[[[ 0,  2],
         [-1,  1]],

        [[ 0,  3],
         [-1,  0]]],


       [[[-1, -1],
         [ 0,  0]],

        [[-1, -1],
         [ 2,  1]]]])
In [161]: F1.transpose(0,2,3,1)
Out[161]: 
array([[[[ 0,  0],
         [ 2,  3]],

        [[-1, -1],
         [ 1,  0]]],


       [[[-1, -1],
         [-1, -1]],

        [[ 0,  2],
         [ 0,  1]]]])

那个F1中间阶段是

In [110]: G =np.array([np.array([[0,2],[-1,1]]),
     ...: np.array([[0,3],[-1,0]]),
     ...: np.array([[-1,-1],[0,0]]),
     ...: np.array([[-1,-1],[2,1]])]).reshape(2,2,2,2)
In [111]: G
Out[111]: 
array([[[[ 0,  2],
         [-1,  1]],

        [[ 0,  3],
         [-1,  0]]],


       [[[-1, -1],
         [ 0,  0]],

        [[-1, -1],
         [ 2,  1]]]])

简而言之：

In [163]: rotF.transpose(3,1,2,0)
Out[163]: 
array([[[[ 0,  0],
         [ 2,  3]],

        [[-1, -1],
         [ 1,  0]]],


       [[[-1, -1],
         [-1, -1]],

        [[ 0,  2],
         [ 0,  1]]]])

很难想象，但显然您只是想交换第一个轴和最后一个轴。

貌似rot_F也是

np.rot90(F,2,(2,3)).transpose(0,2,3,1)
F[:,:,::-1,::-1].transpose(0,2,3,1)
F.transpose(0,2,3,1)[:,::-1,::-1,:]

【讨论】：