Python 从列表的ndarray转换为ndarray

从列表的2d ndarray到3d ndarray的转换，我有一个.npy文件，它是由类似于下面的代码创建的。如何从（2,2）转换为（2,2,3）ndarray？

结果

对象已存在，下面的代码无法更改，请从 （2,2）

results

ndarray

into（2,2,3）是我需要的

dtypes = [('value_model', np.float64),
         ('value_simulator', np.float64), 
         ('vector_optimum', object)]

results = np.zeros((2,2), dtype = dtypes) 

for i in range(2):
    for j in range(2):
        results['vector_optimum'][i, j] = list(range(1+i+2*j,4+i+2*j))

print(results['vector_optimum'])
"""
[[list([1, 2, 3]) list([3, 4, 5])]
 [list([2, 3, 4]) list([4, 5, 6])]]
"""
results['vector_optimum'].shape
#Out[4]: (2, 2)   

---

如何将结果['vector_Optimal']从（2,2）转换为（2,2,3）ndarray？

尝试以下代码

results = results.reshape((results.shape[0], results.shape[1], 1))
results.shape

输出：

(2, 2, 1)

---

请尝试下面的代码

results = results.reshape((results.shape[0], results.shape[1], 1))
results.shape

输出：

(2, 2, 1)

---

如果必须在构建对象时保留

结果

对象，最简单的方法可能是创建一个

（2，2，3）

矩阵，称为

新结果

，并将其填充到循环中。然后，如果需要，可以将

结果

重新分配给该

新结果

值。像这样：

dtypes = [('value_model', np.float64),
         ('value_simulator', np.float64),
         ('vector_optimum', object)]

results = np.zeros((2,2), dtype = dtypes)

for i in range(2):
    for j in range(2):
        results['vector_optimum'][i, j] = list(range(1+i+2*j,4+i+2*j))

print(results['vector_optimum'])
"""
[[list([1, 2, 3]) list([3, 4, 5])]
 [list([2, 3, 4]) list([4, 5, 6])]]
"""
results['vector_optimum'].shape
#Out[4]: (2, 2)

# JUST ADD THIS BIT

new_results = np.zeros((2, 2, 3), dtype=dtypes)

for i in range(new_results.shape[0]):
    for j in range(new_results.shape[1]):
        for k in range(new_results.shape[2]):
            new_results["vector_optimum"][i][j][k] = results[i][j][-1][k]

results = new_results


print(results["vector_optimum"][0][0][0])  # prints "1"

---

如果必须在构建对象时保留

结果

对象，最简单的方法可能是创建一个

（2，2，3）

矩阵，称为

新结果

，并将其填充到循环中。然后，如果需要，可以将

结果

重新分配给该

新结果

值。像这样：

dtypes = [('value_model', np.float64),
         ('value_simulator', np.float64),
         ('vector_optimum', object)]

results = np.zeros((2,2), dtype = dtypes)

for i in range(2):
    for j in range(2):
        results['vector_optimum'][i, j] = list(range(1+i+2*j,4+i+2*j))

print(results['vector_optimum'])
"""
[[list([1, 2, 3]) list([3, 4, 5])]
 [list([2, 3, 4]) list([4, 5, 6])]]
"""
results['vector_optimum'].shape
#Out[4]: (2, 2)

# JUST ADD THIS BIT

new_results = np.zeros((2, 2, 3), dtype=dtypes)

for i in range(new_results.shape[0]):
    for j in range(new_results.shape[1]):
        for k in range(new_results.shape[2]):
            new_results["vector_optimum"][i][j][k] = results[i][j][-1][k]

results = new_results


print(results["vector_optimum"][0][0][0])  # prints "1"

---

第三维度应该是3，而不是1答案在正确的轨道上，但是

resize

更适合OP用例<代码>重塑只能“洗牌”形状，因此它可以将（2,2）变成（2,1,1）。例如，第三维度应该是3，而不是1答案正确，但是

调整大小

更适合OP用例<代码>重塑只能“洗牌”形状，因此它可以将（2,2）变成（2,1,1）。是的，你是对的，但是

结果

已经存在。我从.npy文件加载它，并且必须将其转换为有用的内容。确定我编辑了我的答案。希望它能满足您的需要。如果这回答了您的问题，请接受答案：）现在，因为您已经修改了我发布的代码，最终的

结果
对象就是您必须操作的对象。我不明白您的意思。是的，您是对的，但是，
results
已经存在，我从.npy文件加载它，并且必须将它转换成有用的东西好的，我编辑了我的答案。希望它符合您的需要。如果这回答了您的问题，请接受答案：）现在，因为您已经修改了我发布的代码，最终的
results
对象就是您必须操作的对象。我不明白您的意思。（2,2,3）数组的值是（2,2）数组的3倍。新的价值观应该是什么？0秒？原作的复制品？还有别的吗？这不仅仅是“转化”或“重塑”的问题；（2,2,3）数组的值是（2,2）数组的3倍。新的价值观应该是什么？0秒？原作的复制品？还有别的吗？这不仅仅是“转化”或“重塑”的问题；这是关于制作“新”数据的。