不必显式地处理第一个赋值就可以构建numpy数组的python方法?
我发现自己经常遇到这种编码模式:不必显式地处理第一个赋值就可以构建numpy数组的python方法?,python,numpy,Python,Numpy,我发现自己经常遇到这种编码模式: matrices = np.random.rand(10, 10, 10) block = np.array([]) for idx, M in enumerate(matrices): print(M.shape) if idx == 0: block = M else: block = np.dstack((block, M)) 这只是一个例子,我知道在这种情况下,我可以只做block=matrix。
matrices = np.random.rand(10, 10, 10)
block = np.array([])
for idx, M in enumerate(matrices):
print(M.shape)
if idx == 0:
block = M
else:
block = np.dstack((block, M))
这只是一个例子,我知道在这种情况下,我可以只做block=matrix
。有没有更好的方法来做到这一点而不必处理
if idx == 0:
block = M
案例?不要用
dstack
(或任何串联变量)累加数组-使用列表追加
block = []
for idx, M in enumerate(matrices):
block.append(M)
然后把它们堆在后面
block = np.dstack(block) # concatenate(block, axis=2)
这会更快,并避免这种初始化困难。不要用
dstack
(或任何串联变量)累积数组-使用列表追加
block = []
for idx, M in enumerate(matrices):
block.append(M)
然后把它们堆在后面
block = np.dstack(block) # concatenate(block, axis=2)
这会更快,并避免这种初始化尴尬。您是否意识到,目前您正在某种程度上转置矩阵?如果没有其他方法有效,您可以将其缩短为
block=np.dstack((block,M)),如果idx else M
@tobias_k,我如何准确转置矩阵?我不是故意的。只要做print(matrices)
和print(block)
就可以看出区别。你知道目前你在某种程度上转置矩阵吗?如果没有其他办法,你可以把它缩短为block=np.dstack((block,M)),如果idx else M
@tobias_k,我如何准确地转置矩阵?我不是故意的。只要做print(matrix)
和print(block)
就可以看出区别。