Python 使用填充堆叠numpy数组

我有一个32个numpy数组的列表，每个数组都有shape

（n，108，108，2）

，其中

n

在每个数组中是不同的。我想将所有这些元素堆叠起来，创建一个形状为

（32，m，108，108，2）

的numpy数组，其中

m

是

n

s中的最大值，较短的数组用零填充

我该怎么做

我昨天问过，但在我的例子中使用深度数组时，答案似乎不正确

具体地说，我最终采用了这个解决方案，它产生了最干净的代码：

data = np.column_stack(zip_longest(*data, fillvalue=0))

但现在它抛出了这个错误：

ValueError: setting an array element with a sequence.

试试这个：

# Create matrices with random first axis length.
depth = np.random.randint(3,20,size=32)
l = []
lmax = 0
for i in depth:
    l.append(np.ones((i,10,10,2)))
    lmax = i if i > lmax else lmax

# Join the matrices:
new_l = []
for m in l:
    new_l.append(np.vstack([m, np.zeros((lmax-m.shape[0], 10, 10, 2))]))
master = np.stack(new_l, axis=0)
master.shape
>>> (32, 19, 10, 10, 2)

---

我发现在高维矩阵上使用

np.pad

几乎是不可能的-幸运的是，你所问的很简单，其中只有一个维度需要扩展，因此很容易使用

np.vstack

来堆叠一个零数组，使其符合一个新的形状。

我在这方面找到了一个神圣的答案

pad_sequences

功能正是我所需要的

from tensorflow.python.keras.preprocessing.sequence import pad_sequences
result = pad_sequences(imgs, padding='post')

---

在我的例子中，我需要堆叠不同宽度的图像，并在左侧填充零。 对我来说，这很有效：

np.random.seed(42)
image_batch = []
for i in np.random.randint(50,500,size=10):
image_batch.append(np.random.randn(32,i))
for im in image_batch:
    print(im.shape)

产出：（32152） (32, 485) (32, 398) (32, 320) (32, 156) (32, 121) (32, 238) (32, 70) (32, 152) （32171）

输出：（32485） (32, 485) (32, 485) (32, 485) (32, 485) (32, 485) (32, 485) (32, 485) (32, 485) （32485）

A=np.one（（4,3））
border\u top\u bottom=np.零（（A.形状[1]）。重塑（1，A.形状[1]））
打印（np.vstack（[border\u top\u bottom，A，border\u top\u bottom]））
温度=np.vstack（[边框顶部底部，A，边框顶部底部]）
边框右左=np.零（（临时形状[0]）。重塑（临时形状[0]，1）
打印（np.hstack（[np.hstack（[border\u right\u left，temp，border\u right\u left]））

您昨天得到了一些好的答案，以及如何表达和测试想法的好例子。请遵循这些示例，并向我们展示您如何尝试解决新问题。我敢用这个标记吗？一个简单的想法-你可以将你的数组重新调整为2d，（n，108*108*2），然后应用其中一个2d解决方案。你说的中断是什么意思？异常被抛出，而不是想要的输出？@hpaulj我已经添加了建议的更多细节

zip\u longest

将起作用，但需要正确的

fillvalue。不是整数，而是形状正确的数组（例如np.零（（108108,2））

）

def stack_images_rows_with_pad(list_of_images):
    func = lambda x: np.array(list(zip_longest(*x, fillvalue=0))) # applied row wise
    return np.array(list(map(func, zip(*list_of_images)))).transpose(2,0,1)

res = stack_images_rows_with_pad(image_batch)

for im in rez:
    print(im.shape)