如何重塑 3d numpy 表？

Question

我有一个 shape=(2,3,4) 的 3d numpy 表，如下所示：

a = np.array([[[1., 2., 3., 4.],
        [1., 2., 3., 4.],
        [1., 2., 3., 4.]],

       [[5., 6., 7., 8.],
        [5., 6., 7., 8.],
        [5., 6., 7., 8.]]])

并且希望通过将每个维度中的列堆叠成二维矩阵中的新列的方式来重塑它。

1  5
1  5
1  5
2  6
2  6
2  6
3  7
3  7
3  7
4  8
4  8
4  8

Answer 1

给你：

res = a.T.reshape((-1,2))

输出：

array([[1., 5.],
       [1., 5.],
       [1., 5.],
       [2., 6.],
       [2., 6.],
       [2., 6.],
       [3., 7.],
       [3., 7.],
       [3., 7.],
       [4., 8.],
       [4., 8.],
       [4., 8.]])

Answer 2

要重塑numpy 数组，请使用reshape 方法。

基本上，它会在阵列被展平时查看阵列，并使用新的给定形状对其进行处理。然而，它确实首先迭代最后一个索引，即最内层的列表将被处理，然后是下一个，依此类推。

所以np.array([1, 2, 3, 4, 5, 6]).reshape((3, 2)) 和np.array([[1, 2, 3], [4, 5, 6]]).reshape((3, 2)) 都会给出[[1, 2], [3, 4], [5, 6]]，因为这两个原始数组在展平时是相同的。

您想要一个 (12, 2) 数组，或者如果您阅读 reshape 文档，您可以传递 (-1, 2) 并且 numpy 将计算另一个维度。

因此，如果您按原样为数组指定新形状，它将开始使用第一个列表 x[0, 0] = [1, 2, 3, 4]，它将变为 [[1, 2], [3, 4]]，...这不是您想要的。

但请注意，如果您先转置数组，那么您将在内部列表中拥有所需的项目（快速变化的索引）：

In : x.T
Out: 
array([[[1., 5.],
        [1., 5.],
        [1., 5.]],

       [[2., 6.],
        [2., 6.],
        [2., 6.]],

       [[3., 7.],
        [3., 7.],
        [3., 7.]],

       [[4., 8.],
        [4., 8.],
        [4., 8.]]])

这几乎是您想要的，除了额外的维度。所以现在你可以重塑它并按照你想要的方式获得你的 (12, 2) 数组：

In : x.T.reshape((-1, 2))
Out: 
array([[1., 5.],
       [1., 5.],
       [1., 5.],
       [2., 6.],
       [2., 6.],
       [2., 6.],
       [3., 7.],
       [3., 7.],
       [3., 7.],
       [4., 8.],
       [4., 8.],
       [4., 8.]])