Arrays 重新格式化数组错误：**Indexer错误：元组索引超出范围

我有一个或多个名为my_data的数组，以便： 维度（my_数据）=[96,18,36,36,3]类型

但是，

my_data.shape

返回

（96，）

，但我希望得到（96,18,36,36,3）。之后我尝试了

my_data[0]。shape

返回

（18，）

而不是（18,36,36,3），最后

my_data[0][0]。shape

返回（36,36,3）

我想知道为什么我没有得到（96,18,36,36,3）的形状

我为什么需要它？

my_data=my_data.reshape(my_data.shape[0],my_data.shape[1],my_data.shape[2]*my_data.shape[3]*my_data.shape[4])

我想将我的_数据重塑为

（96,18,36*36*3）

我试过什么？

my_data=my_data.reshape(my_data.shape[0],my_data.shape[1],my_data.shape[2]*my_data.shape[3]*my_data.shape[4])

我得到以下错误：

 *** IndexError: tuple index out of range

---

我甚至不知道你是如何得到一个

np.array

中包含

np.array

的数组的。但是，如果数据对齐，则simple casting应为您解决此问题，例如：

import numpy as np

x = [np.random.randint(1, 100, (2, 3, 4)) for _ in range(2 * 3)]
x = np.array(x)
x.shape
# (6, 2, 3, 4)

如果数据未对齐，应首先对齐：

import numpy as np
x = [np.random.randint(1, 100, (2, 3, np.random.randint(1, 5))) for _ in range(2 * 3)]
print([y.shape for y in x])
# [(2, 3, 2), (2, 3, 1), (2, 3, 1), (2, 3, 4), (2, 3, 1), (2, 3, 1)]
# x = np.array(x) will cause ValueError...


def zero_padding(arr, shape):
    result = np.zeros(shape, dtype=arr.dtype)
    mask = tuple(slice(None, d) for d in arr.shape)
    result[mask] = arr
    return result


x = [zero_padding(y, (2, 3, 4)) for y in x]
x = np.array(x)
x.shape
# (6, 2, 3, 4)

注意：NumPy的

pad（）

或's

num.reframe（）

提供了此

zero\u padding（）

的更复杂版本

---

免责声明：我是FlyingCircus的主要作者。

类型

没有告诉我们多少。如果它具有

shape

属性，则很可能是

ndarray

（或子类）<代码>数据类型更具诊断性。如果

shape

是（96，）并且您希望得到5d，那么数据类型可能是

object

。使用该

形状

，只能使用

[0]

对其进行索引；这是一个1元素元组。看起来您有一个96元素的对象数据类型数组。其中一个元素也是包含18个元素的对象数据类型。其中之一是（36,36,3）数字数组。数组是如何生成的？它可能有不同长度的子阵列。当然，我刚刚检查过，有些子阵列有不同的长度。当压平的时候，应该是3888=36*36*3，但是我发现其中一些是35642808。有没有什么有效的方法可以0-pad所有与3888不同的子阵列？非常感谢。