Python np.如果元素不足，则使用填充来重塑（）

是否可以重塑np.array（）的形状，并在新形状不一致的情况下，用NaN填充空白

例：

目标，例如2x4矩阵：

[1 2  3   4]
[5 6 NaN NaN]

我需要这样做来绕过错误：

ValueError:无法将大小为6的数组重塑为形状（2,4）

---

谢谢，

我们将首先使用

np.pad

，然后重塑：

m, n = 2, 4
np.pad(arr.astype(float), (0, m*n - arr.size), 
       mode='constant', constant_values=np.nan).reshape(m,n)


array([[ 1.,  2.,  3.,  4.],
       [ 5.,  6., nan, nan]])

---

这里的假设是

arr

是1D数组。在此代码之前添加一个断言，以在意外情况下失败。

一个可能的解决方案：

将数组转换为浮点（

nan

是浮点类型）

将数据调整为新形状

arr = np.resize(arr, (2,4))

print(arr)

array([[1., 2., 3., 4.],
   [5., 6., 1., 2.]])

用np.NaN替换最后两个条目

arr[-1,-2:] = np.NaN

print(arr)

array([[ 1.,  2.,  3.,  4.],
       [ 5.,  6., nan, nan]])

---

执行此操作的方法很多，但（几乎）都相当于创建所需形状和填充值的新数组：

In [50]: arr = np.array([1,2,3,4,5,6])                                          
In [51]: res = np.full((2,4), np.nan)                                           
In [52]: res                                                                    
Out[52]: 
array([[nan, nan, nan, nan],
       [nan, nan, nan, nan]])
In [53]: res.flat[:len(arr)]=arr                                                
In [54]: res                                                                    
Out[54]: 
array([[ 1.,  2.,  3.,  4.],
       [ 5.,  6., nan, nan]])

为了便于复制，我使用了

flat

将

res

视为1d数组

一个例外是

resize

方法，但它用0填充。并且不更改

dtype

以允许浮动

nan

：

In [55]: arr.resize(2,4)                                                        
In [56]: arr                                                                    
Out[56]: 
array([[1, 2, 3, 4],
       [5, 6, 0, 0]])

In [50]: arr = np.array([1,2,3,4,5,6])                                          
In [51]: res = np.full((2,4), np.nan)                                           
In [52]: res                                                                    
Out[52]: 
array([[nan, nan, nan, nan],
       [nan, nan, nan, nan]])
In [53]: res.flat[:len(arr)]=arr                                                
In [54]: res                                                                    
Out[54]: 
array([[ 1.,  2.,  3.,  4.],
       [ 5.,  6., nan, nan]])

In [55]: arr.resize(2,4)                                                        
In [56]: arr                                                                    
Out[56]: 
array([[1, 2, 3, 4],
       [5, 6, 0, 0]])