将 1 维 numpy 数组克隆为 3 维时出现维度顺序问题

Question

我无法找到克隆一维 numpy 数组以创建 3-D 数组的方法。比如说我有

z = np.array([0, 2, 3, 5, 7, 9, 10])

这表示 3-D 空间中的垂直列（例如，假设它以米为单位）。我想创建一个水平维度 (x, y)，以便最终数组具有维度 (len(z), len(x), len(y)) ，其中每个 x,y 点的每一列都是相同的。我这样做是为了将空间维度与我拥有的其他 3-D 数据进行匹配。

因此，以数组 z 作为输入，并给定水平维度，例如 ndimx=3，ndimy=2，我想找到一个输出数组的函数

np.array([ [[0, 0], [0, 0], [0, 0]],  
           [[2, 2], [2, 2], [2, 2]],       
           [[3, 3], [3, 3], [3, 3]],       
           [[5, 5], [5, 5], [5, 5]],       
           [[7, 7], [7, 7], [7, 7]],       
           [[9, 9], [9, 9], [9, 9]],       
           [[10, 10], [10, 10], [10, 10]] ])

具有 (7, 3, 2) 的形状。起初这对我来说似乎微不足道，但在尝试了多年的 np.dstack()、np.astype()、np.repeat() 和 ().T 转置之后，我无法获得正确的维度顺序。

这里很关键，垂直列是第一个维度。我敢打赌答案确实是微不足道的，我只是找不到能做到这一点的神奇 numpy 函数。

有什么建议吗？

Answer 1

我们可以简单地查看输入 z 和 np.broadcast_to，而无需额外的内存开销，因此几乎没有性能 -

np.broadcast_to(z[:,None,None],(len(z),ndimx,ndimy))

示例运行 -

In [23]: z
Out[23]: array([ 0,  2,  3,  5,  7,  9, 10])

In [24]: ndimx=3; ndimy=2

In [25]: np.broadcast_to(z[:,None,None],(len(z),ndimx,ndimy))
Out[25]: 
array([[[ 0,  0],
        [ 0,  0],
        [ 0,  0]],

       [[ 2,  2],
        [ 2,  2],
        [ 2,  2]],

       [[ 3,  3],
        [ 3,  3],
        [ 3,  3]],

       [[ 5,  5],
        [ 5,  5],
        [ 5,  5]],

       [[ 7,  7],
        [ 7,  7],
        [ 7,  7]],

       [[ 9,  9],
        [ 9,  9],
        [ 9,  9]],

       [[10, 10],
        [10, 10],
        [10, 10]]])

Answer 2

In [360]: z = np.array([0, 2, 3, 5, 7, 9, 10])
In [361]: z1 = np.stack([z,z], axis=1)
In [362]: z2 = np.stack([z1,z1,z1],axis=1)
In [363]: z2
Out[363]: 
array([[[ 0,  0],
        [ 0,  0],
        [ 0,  0]],

       [[ 2,  2],
        [ 2,  2],
        [ 2,  2]],

       [[ 3,  3],
        [ 3,  3],
        [ 3,  3]],

      ... 
       [[10, 10],
        [10, 10],
        [10, 10]]])