Python numpy数组-使用np.concatenate或np.insert预先结束并将零行追加到ndarray

我是numpy的新手，我可能会问一个愚蠢的问题，所以如果这不是一个好问题或者这个问题需要进一步澄清，我会提前道歉

任务

例如，我将一个图像表示为一个大小为（10,20,3）的数据数组，我试图通过在图像的开头和结尾插入1px将数组的大小更改为（12,20,3）。从本质上讲，我试图通过在图像的顶部和底部填充来调整图像大小

这基本上就是我试图实现的，用更小维度的数组表示

原始阵列

[ [[255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]]

 [[255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]]]

[[[  0.   0.   0.]
  [  0.   0.   0.]
  [  0.   0.   0.]
  [  0.   0.   0.]]

 [[255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]]

 [[255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]]

 [[  0.   0.   0.]
  [  0.   0.   0.]
  [  0.   0.   0.]
  [  0.   0.   0.]]]

修改的数组

[ [[255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]]

 [[255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]]]

[[[  0.   0.   0.]
  [  0.   0.   0.]
  [  0.   0.   0.]
  [  0.   0.   0.]]

 [[255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]]

 [[255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]]

 [[  0.   0.   0.]
  [  0.   0.   0.]
  [  0.   0.   0.]
  [  0.   0.   0.]]]

我的计划是通过以下步骤使用numpy.concatenate

#1使用此维度（1,4,3）创建0的数组

#2将原始数组连接到步骤1中的数组。这将创建一个像这样的新数组

[[[  0.   0.   0.]
  [  0.   0.   0.]
  [  0.   0.   0.]
  [  0.   0.   0.]]

 [[255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]]

 [[255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]
  [255. 255. 255.]]]

#3使用步骤1中的数组并将其附加到第2部分中创建的数组中，这将最终得到我想要的结果

---

但是，我还想知道是否有一种方法可以使用numpy.insert并在数组的开头和结尾插入（1,4,3），而不会使连接复杂化。如果您对此有任何意见，我将不胜感激。

使用

numpy.concatenate

，您可以创建一个零数组来连接任意一侧

zs = np.zeros((1,) + arr.shape[1:])
np.concatenate((zs, arr, zs))

另一个选项-创建新大小的零阵列，并将内部设置为原始阵列

padded_arr = np.zeros((arr.shape[0]+2,) + arr.shape[1:])
padded_arr[1:-1, ...] = arr

最后，可以通过为每个轴指定焊盘宽度来实现这一点

np.pad(arr, ((1,), (0,), (0,)), 'constant')

---

您可以同时连接零（z）255数组（mid）和第二个零。。。。np.连接（（z，mid，z））。。。。其中z.shape，mid.shape，z.shape。。。（（1，5，5），（2，5，5），（1，5，5））这工作做得很好。我肯定会得到更多关于numpy数组访问符号的信息，以便我完全理解第二个示例中的情况。