Python 如何使二维numpy阵列成为三维阵列?
我有一个具有形状(x,y)的二维阵列,我想将其转换为具有形状(x,y,1)的三维阵列。有没有一种很好的Pythonic方法可以做到这一点?除了其他答案之外,您还可以使用切片:Python 如何使二维numpy阵列成为三维阵列?,python,multidimensional-array,numpy,Python,Multidimensional Array,Numpy,我有一个具有形状(x,y)的二维阵列,我想将其转换为具有形状(x,y,1)的三维阵列。有没有一种很好的Pythonic方法可以做到这一点?除了其他答案之外,您还可以使用切片: import numpy as np a= np.eye(3) print a.shape b = a.reshape(3,3,1) print b.shape 甚至这个(可以处理任意数量的维度): 希望这个功能能帮助你把二维数组转换成三维数组 Args: x: 2darray, (n_time, n_in)
import numpy as np
a= np.eye(3)
print a.shape
b = a.reshape(3,3,1)
print b.shape
甚至这个(可以处理任意数量的维度):
希望这个功能能帮助你把二维数组转换成三维数组
Args:
x: 2darray, (n_time, n_in)
agg_num: int, number of frames to concatenate.
hop: int, number of hop frames.
Returns:
3darray, (n_blocks, agg_num, n_in)
def d_2d_to_3d(x, agg_num, hop):
# Pad to at least one block.
len_x, n_in = x.shape
if (len_x < agg_num): #not in get_matrix_data
x = np.concatenate((x, np.zeros((agg_num - len_x, n_in))))
# main 2d to 3d.
len_x = len(x)
i1 = 0
x3d = []
while (i1 + agg_num <= len_x):
x3d.append(x[i1 : i1 + agg_num])
i1 += hop
return np.array(x3d)
Args:
x:2darray(n_时间,n_英寸)
agg_num:int,要连接的帧数。
跃点:int,跃点帧数。
返回:
3darray,(n_块,聚集数,n_英寸)
def d_2d_至_3d(x,聚集数,跃点):
#将焊盘焊到至少一个块上。
len_x,n_in=x.形状
如果(len_x 如果只想在(x,y,1)中添加第三个轴(x,y),那么(i1+agg_num),Numpy允许您使用dstack
命令轻松完成此操作
import numpy as np
a = np.eye(3) # your matrix here
b = np.dstack(a).T
您需要将其转置(.T
)以将其转换为所需的(x,y,1)格式。您可以通过重塑来完成此操作
例如,如果有一个形状为35 x 750(二维)的阵列,则可以使用A.Reformate(35、25、30)将形状更改为35 x 25 x 30(三维)
更多信息请参阅文档简单的方法,以及一些数学知识
首先,您知道数组元素的数量,比如说100
然后在以下3个步骤上设置100:
25*2*2=100
或:4*5*5=100
import numpy as np
D = np.arange(100)
# change to 3d by division of 100 for 3 steps 100 = 25 * 2 * 2
D3 = D.reshape(2,2,25) # 25*2*2 = 100
另一种方式:
another_3D = D.reshape(4,5,5)
print(another_3D.ndim)
至4D:
D4 = D.reshape(2,2,5,5)
print(D4.ndim)
谢谢,我使用了A=A.reshope(A.shape+(1,))如果你愿意修改A
,你可以简单地分配给shape属性:A.shape=A.shape+(1,)
,甚至A.shape+=1,
。假设我有一个3D[1000,10,5]数组,并且我想将它转换成带有shape[1000,50]的2D就像连接第二个和第三个初始维度一样。在这种情况下,order='F'
可以吗?@serafeim,当然可以。谢谢。我注意到理想的结果是在np.reformate
中使用order='F'
时。如果未指定order='F'
,则在我的案例中,在旁注上的输出是错误的,numpy.newaxis
Is justNone
newaxis
对于可读性来说是“just”。它相当于just dob=a[…,None]
(省略号还允许它用于N维数组,而不仅仅是2D数组。)没错。出于某种原因,我觉得newaxis
是None
只是一个实现细节(因此可能会在将来进行更改),但它看起来是明确记录的。假设您希望第三个轴不是1?例如,如何使用b将a
转换为b
。形状=(6,8,3)
?@Gathide:那要看情况。你的旧数组中有6*8=48
个数字。新数组中有6*8*3=144
个数字。你想如何将原来的48个数字映射到你的新数组中?沿第三个轴重复?在这种情况下,大多数情况下你不需要重复:保持形状(6,8,1)
并利用NumPy的广播能力。但如果你真的需要shape(6,8,3)
,请查看np.tile
和np.broadcast\u to
@Gathide,正如马克·迪金森所说,你可以用np.broadcast\u
像b=np.broadcast\u to(a[…,np.newaxis],(6,8,3))
。
import numpy as np
a = np.eye(3) # your matrix here
b = np.dstack(a).T
import numpy as np
D = np.arange(100)
# change to 3d by division of 100 for 3 steps 100 = 25 * 2 * 2
D3 = D.reshape(2,2,25) # 25*2*2 = 100
another_3D = D.reshape(4,5,5)
print(another_3D.ndim)
D4 = D.reshape(2,2,5,5)
print(D4.ndim)