将 np.array 添加到列表后尺寸丢失答案

【问题标题】：Dimension lost after adding np.array to list将 np.array 添加到列表后尺寸丢失
【发布时间】：2018-11-05 20:07:26
【问题描述】：

我将 3000 个 np.arrays 添加到列表中并将列表转换回 np.array。 np.array 的维度是 (270000,)。在整个循环运行和 np.array 转换过程后，结果数组的维度为：（3000，），而预期为（3000,270000）。奇怪的是，在中途停止进程时，比如在 1900 个数组处，观察到的形状是 (1900,270000)，这就是我希望输出在循环结束时的样子。

from scipy import misc
from os import walk
labels = []
X=[]
Y=[]
for (_, dirnames, _) in walk(mypath):
    labels.extend(dirnames)
for category, label in enumerate(labels):
#     print 'Category:',category,'\tLabel:',label
    for root, dirs, files in os.walk(os.path.abspath(join(mypath,label))):
        for file in files:
            imagePath=os.path.join(root, file)
            face = misc.imread(imagePath)
            flattenImgMatrix=misc.imresize(face,[300, 300], interp='nearest').flatten()
            X.append(flattenImgMatrix)
            Y.append([category])
arrX=np.array(X)
arrY=np.array(Y)

【问题讨论】：

然后检查数组的类型，例如如果内部元素的类型为object。当 numpy 无法推断出足够的内部形状以在外部创建数字数组时，就会发生这种情况。人们通常会用形状不等的图像来喂它，但似乎你很在意这一点。另外请记住，您的代码不完整（例如 misc: skimage、scipy、imageio、matplotlib？）我们只能猜测！
您在 1900 之后添加的一个或多个数组不具有 (270000,) 形状。例如，如果图像是彩色的，则在 imresize 之后将是 (300,300,3)，在展平之后将是 (810000,)。
啊，颜色通道。很好的猜测！我在那里太浅了。
感谢您的建议。它实际上超出了尺寸，即预期的（300 * 300 * 3）但有些是（300 * 300 * 1）。因此，结果数组中的 (3000,)。

标签： python arrays numpy

【解决方案1】：

没有您的数据，这是不可能解决的。但是，您可以在 for 循环中添加显式检查以自行调试。这不仅会确认数组的形状是错误的，而且会提供一些有用的信息来隔离它出现的位置：

assert flattenImgMatrix.shape == (270000,), f'Error: {file}: {flattenImgMatrix.shape}'

【讨论】：