Numpy 如何循环多维数组并将结果保存在数组中？

我想填充一个空的4D数组。我已经创建了一个预分配的数组（数据经过平滑处理），大小为80 x 80 x 44 x 50。我想循环所有（50）卷数据（data_4d），分别对它们进行平滑处理，并将结果存储在data_4d_平滑处理中。基本上：

data_4d_smoothed = np.zeros(data_4d.shape)

sigma = 0.7
for i in data_4d[:, :, :, i]:
    smoothed_vol = gaussian_filter(i, sigma=sigma)
    data_4d_smoothed.append(smoothed_vol)

---

高斯滤波器应取每个体积（4d阵列的最后一个维度），进行运算，并将其保存到平滑后的数据中。但很明显，这不是2D数组，我想我需要一个嵌套循环来填充这个空列表。

我认为这应该在没有循环的情况下工作：

from scipy.ndimage import gaussian_filter
data_4d = np.random.rand(80,80,44,50)
data_4d_smoothed = gaussian_filter(data_4d, sigma = (sigma, sigma, sigma, 0))

基本上使最后一个维度的

sigma=0

，这样它就不会在该维度中进行卷积

检查：

data_4d_0 = gaussian_filter(data_4d[..., 0], sigma = sigma)  #filter first image

np.allclose(data_4d_0, data_4d_smoothed[..., 0])             #first image from global filter

True 

---

这给了我错误的答案。Sigma是函数的一个属性，与维数无关（高斯滤波器）。所以我认为这不适合：（该函数应该一个接一个地获取50个卷-最后一个维度-应用函数属性，然后将其作为4D数组再次保存在输出中。您没有使用

scipy.ndimage.gaussian_filter

？那么您使用的是什么？很抱歉，它起作用了！您能解释一下这里发生了什么吗？使用

sigma=0

高斯核的卷积只返回原始数组，因此在第四维中使用

0

作为

sigma

，只在前三维上进行卷积。