Python 在ndim（第四轴）中堆叠阵列并使用numpy应用旋转

为了沿第四个轴堆叠3D阵列，并沿该轴应用旋转，我编写了以下代码段。 是否有numpy函数可以执行此操作：

* something similar to numpy.dstack but in ndim
* numpy.apply(4D Array, axis=3, angles=[0, 60, ...])

代码中提到的数组的形状是：（114，79，2）

---

在新版Numpy（1.10.0）中，有一个用于ndimensional堆叠的

stack

函数。但是，如果这不是一个选项，这里有一个用于堆叠的函数：

import scipy.ndimage.interpolation as interpolation

def create_stack(*arrays):
    return np.asarray(arrays).swapaxes(0, -1)

stack = create_stack(c1, c1, c1, c1)
for n, a in enumerate([0, 60, 120, 180]):
    stack[:, :, :, n] = interpolation.rotate(stack[:, :, :, n], a, reshape=False)

---

np.array

沿新的第一轴“堆叠”数组；转置可以将新轴移动到末端：

In [1040]: c1=np.ones((2,3,5),int)
In [1041]: c1s=np.array([c1.copy() for i in range(4)])
In [1042]: c1s.shape
Out[1042]: (4, 2, 3, 5)
In [1043]: c1s.transpose([1,2,3,0]).shape
Out[1043]: (2, 3, 5, 4)

如果我首先向每个组件添加一个新轴，我还可以使用

连接

In [1044]: np.concatenate([c1[...,None].copy() for i in range(4)],axis=-1).shape
Out[1044]: (2, 3, 5, 4)

concatenate
变量、
vstack
、
hstack
、
dstack
都在
args
列表上使用某种形式的迭代来调整它们的尺寸，为连接做准备

vstack: concatenate([atleast_2d(_m) for _m in tup], 0)
hstack: arrs = [atleast_1d(_m) for _m in tup]
dstack: concatenate([atleast_3d(_m) for _m in tup], 2)

但是为什么首先要进行堆栈/连接呢？只需迭代数组列表：

alist = [c1, c2, c3, ....]  # plain list
for a,n in zip([0,60,120,180],[0,1,2,3]):
    alist[n]=nd.rotate(alist[n],a, reshape=False)

如果要“堆叠”数组，然后对它们进行迭代，那么沿着第一个轴而不是最后一个轴这样做更有意义。这样它就可以在连续的数据块上进行迭代。numpy在任何轴上的迭代都做得很好，但是在第一个轴上的迭代是“自然的”

您可能可以在不使用计数器的情况下进行迭代：

arr = np.array([c1,c2,...]):
for c in arr:
    c[:] = nd.roate(c, a, reshape=False)

（MATLAB将“外”轴放在最后，numpy将其放在第一位）。
什么是旋转？是的，我的意思是scipy.ndimage.rotate（数组，角度），所以没有办法避免循环和使用矢量化代码？
arr = np.array([c1,c2,...]):
for c in arr:
    c[:] = nd.roate(c, a, reshape=False)