ndarray的numpy堆栈行答案

【问题标题】：numpy stack rows of ndarrayndarray的numpy堆栈行
【发布时间】：2016-06-10 01:05:18
【问题描述】：

我有一个形状为 (u,v,w) 的 ndarray A，如下所示：

  [[[ 1.,  1.,  0.],
    [ 1.,  3.,  0.]],

   [[ 0.,  0.,  0.],
    [ 0.,  0.,  0.]]]

我需要像这样将行（沿维度 0）堆叠在一起。

[[1.,   1.,   0.,   0.,   0.,   0.],
 [1.,   3.,   0.,   0.,   0.,   0.]]

我该怎么做？我知道如果只有两行我可以做 np.hstack((a[0], a[1])) 但是有没有办法在不将行转换为元组的情况下做到这一点？我想在 theano 中使用这段代码（因为 numpy 和 theano 的工作方式相似）

【问题讨论】：

标签： python numpy theano

【解决方案1】：

这应该可以正常工作：

np.hstack(a)

顺便说一句，a[0], a[1], ... 是 a 的行而不是列。

【讨论】：

你知道我将如何使用 theano 中的 tensor3 变量来做到这一点吗？
查看T.reshape 和T.dimshuffle。两者的结合应该可以让你做任何你喜欢的事情。
如果你传入单个张量，T.stack 不会这样做。你必须传入张量列表
我可以使用 dimshuffle 和重复来做到这一点。是 T.dimshuffle(1,0,2).reshape((v,-1))

【解决方案2】：

所有concatenate 系列函数都会遍历参数，无论是列表、元组还是数组

In [318]: x=np.arange(12).reshape(2,2,3)

In [319]: x
Out[319]: 
array([[[ 0,  1,  2],
        [ 3,  4,  5]],

       [[ 6,  7,  8],
        [ 9, 10, 11]]])

这些都是等价的：

In [320]: np.hstack([x[0],x[1]])
Out[320]: 
array([[ 0,  1,  2,  6,  7,  8],
       [ 3,  4,  5,  9, 10, 11]])

In [321]: np.hstack(x)
Out[321]: 
array([[ 0,  1,  2,  6,  7,  8],
       [ 3,  4,  5,  9, 10, 11]])

In [322]: np.concatenate([x1 for x1 in x],axis=1)
Out[322]: 
array([[ 0,  1,  2,  6,  7,  8],
       [ 3,  4,  5,  9, 10, 11]])

In [323]: np.concatenate(x,axis=1)
Out[323]: 
array([[ 0,  1,  2,  6,  7,  8],
       [ 3,  4,  5,  9, 10, 11]])

Reshape 可以生成正确形状的数组，但顺序错误：

In [332]: x.reshape(2,6)
Out[332]: 
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])

但是如果我们先交换第一个 2 轴，那么 reshape 就可以了：

In [333]: x.transpose(1,0,2).reshape(2,6)
Out[333]: 
array([[ 0,  1,  2,  6,  7,  8],
       [ 3,  4,  5,  9, 10, 11]])

【讨论】：

我应该接受第一个答案还是更完整的答案？
你知道我将如何使用 theano 中的 tensor3 变量来做到这一点吗？
抱歉，我忽略了 Theano。