有没有办法使用numpy从python中的2D数组构造3D数组？

【问题标题】：Is there a way to construct 3D array from 2D array in python using numpy?有没有办法使用numpy从python中的2D数组构造3D数组？
【发布时间】：2021-11-09 10:34:22
【问题描述】：

我有一个值是正整数的矩阵，我想使用 numpy 找到解压缩到张量中的位表示

例如

[[1 , 2],
 [3 , 4]]

到

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

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

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

【问题讨论】：

二进制张量值的逻辑是什么？
实际上我想将其条目为十进制的二维数组映射为二进制张量。在这种情况下，张量是具有二进制条目的 3 - 2D 数组
张量的深度取决于最大入口的长度，在这种情况下，4 是最大入口，所以 4 等于 100，那么深度是 3
np.unpackbits(x[None,:], axis=0)[-3:] 之类的东西应该可以完成这项工作。
没错，我看过了，但它不支持自定义单位长度。它只适用于unit8

标签： python arrays numpy binary tensor

【解决方案1】：

此解决方案仅限于二维数组，但适用于大于 np.uint8 的元素并计算必要的位深度。

import numpy as np

M = np.array([[1,2],
              [3,4]])
bits = int(np.log2(M.max())) + 1

(np.where(
     M.reshape(-1,1) & 2**np.arange(bits)[::-1], 1, 0)
   .reshape(*M.shape, -1)
   .transpose(2,0,1))

输出

array([[[0, 0],
        [0, 1]],

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

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

这是如何工作的

构造一个 2 次方的范围

2**np.arange(bits)[::-1]

在输入元素上使用logical_and 广播此范围

(M.reshape(-1,1) & 2**np.arange(bits)[::-1])

输出

array([[0, 0, 1],
       [0, 2, 0],
       [0, 2, 1],
       [4, 0, 0]])

使用np.where 转换为1,0 bool 数组

array([[0, 0, 1],   # 1 in binary
       [0, 1, 0],   # 2 in binary
       [0, 1, 1],   # 3 in binary
       [1, 0, 0]])  # 4 in binary

塑造所需的输出。

【讨论】：

谢谢。这对我来说真的很有用：D