Arrays Numpy：沿一个轴按展平顺序进行三维到二维maxtrix重塑

我想从磁盘中读取非常大的二进制文件（GB+），并对其进行整形以进行进一步处理。数据的结构是这样的：有F帧，每个帧由长度为N的B块组成，而N是一个数字。我用np.fromfile读取数据，得到一个1D np.array。我想以一种使数据成形（F*N，B）的方式重塑数据，这样我就可以轻松地对块进行操作。 我有一种方法可以实现我想要的——但它使用for循环并构建一个新数组（因此效率不高）：

---

我不能通过直接的整形变换来实现展平顺序（np.ravel（）保持顺序），但我想有一种有效的/基本的numpy方法来实现它。

基本上，您希望将一个形状数组

（F，B，N）

转换为一个形状数组

（F，N，B）

。这可以通过Numpy的

transpose（）

函数轻松实现，该函数允许aribtrary索引排列。如果要合并前两个维度，然后合并在一起，可以应用适当的重塑：

import numpy as np
F,B,N= 2,2,2
Data3D = np.arange(F*B*N).reshape(F,B,N)
Data2D = np.transpose(Data3D, (0, 2, 1)).reshape(F * N, B)

---

基本上，您希望将形状数组

（F，B，N）

转换为形状数组

（F，N，B）

。这可以通过Numpy的

transpose（）

函数轻松实现，该函数允许aribtrary索引排列。如果要合并前两个维度，然后合并在一起，可以应用适当的重塑：

import numpy as np
F,B,N= 2,2,2
Data3D = np.arange(F*B*N).reshape(F,B,N)
Data2D = np.transpose(Data3D, (0, 2, 1)).reshape(F * N, B)

---

基本上，您希望将形状数组

（F，B，N）

转换为形状数组

（F，N，B）

。这可以通过Numpy的

transpose（）

函数轻松实现，该函数允许aribtrary索引排列。如果要合并前两个维度，然后合并在一起，可以应用适当的重塑：

import numpy as np
F,B,N= 2,2,2
Data3D = np.arange(F*B*N).reshape(F,B,N)
Data2D = np.transpose(Data3D, (0, 2, 1)).reshape(F * N, B)

---

基本上，您希望将形状数组

（F，B，N）

转换为形状数组

（F，N，B）

。这可以通过Numpy的

transpose（）

函数轻松实现，该函数允许aribtrary索引排列。如果要合并前两个维度，然后合并在一起，可以应用适当的重塑：

import numpy as np
F,B,N= 2,2,2
Data3D = np.arange(F*B*N).reshape(F,B,N)
Data2D = np.transpose(Data3D, (0, 2, 1)).reshape(F * N, B)

---

正是我要找的！谢谢正是我要找的！谢谢正是我要找的！谢谢正是我要找的！谢谢