Python 在for循环中串联numpy数组
我已经把一张图片分割成16个数字来绘制回归图,现在我想把它重新组合成一张图片 我已经写了一个for循环来实现这一点,但是我很难理解来自哪里的建议以及我的错误所在。请有人解释一下为什么我的输入数组没有相同的维数Python 在for循环中串联numpy数组,python,arrays,numpy,for-loop,numpy-ndarray,Python,Arrays,Numpy,For Loop,Numpy Ndarray,我已经把一张图片分割成16个数字来绘制回归图,现在我想把它重新组合成一张图片 我已经写了一个for循环来实现这一点,但是我很难理解来自哪里的建议以及我的错误所在。请有人解释一下为什么我的输入数组没有相同的维数 from scipy import interpolate allArrays = np.array([]) for i in range(len(a)): fig = plt.figure() ax = fig.add_axes([0.,0.,1.,1.])
from scipy import interpolate
allArrays = np.array([])
for i in range(len(a)):
fig = plt.figure()
ax = fig.add_axes([0.,0.,1.,1.])
if np.amax(a[i]) > 0:
x, y = np.where(a[i]>0)
f = interpolate.interp1d(y, x)
xnew = np.linspace(min(y), max(y), num=40)
ynew = f(xnew)
plt.plot(xnew, ynew, '-')
plt.ylim(256, 0)
plt.xlim(0,256)
fig.canvas.draw()
X = np.array(fig.canvas.renderer._renderer)
myArray = color.rgb2gray(X)
print(myArray.shape)
allArrays = np.concatenate([allArrays, myArray])
print(allArrays.shape)
else:
plt.xlim(0,256)
plt.ylim(0,256)
fig.canvas.draw()
X = np.array(fig.canvas.renderer._renderer)
myArray = color.rgb2gray(X)
print(myArray.shape)
allArrays = np.concatenate([allArrays, myArray])
print(allArrays.shape)
i += 1
输出:myArray.shape(480640)
错误消息:所有输入数组的维数必须相同
我肯定这很简单,但我搞不懂。谢谢
In [226]: allArrays = np.array([])
In [227]: allArrays.shape
Out[227]: (0,)
In [228]: allArrays.ndim
Out[228]: 1
In [229]: myArray=np.ones((480,640))
In [230]: myArray.shape
Out[230]: (480, 640)
In [231]: myArray.ndim
Out[231]: 2
在大多数情况下,1并不等于2
要与默认轴0上的myArray
连接,allarray
必须以np.zero((0640),myArray.dtype)
开头。在n
迭代之后,它将增长到(n*480640)
在链接的答案中,新数组都是1d的,因此从shape(0,)
开始就可以了。但是wim的答案更好-收集列表中的所有数组,并在最后连接一个数组
循环中的重复连接很难正确进行(您必须理解形状和尺寸),并且比列表附加要慢
在大多数情况下,1并不等于2
要与默认轴0上的myArray
连接,allarray
必须以np.zero((0640),myArray.dtype)
开头。在n
迭代之后,它将增长到(n*480640)
在链接的答案中,新数组都是1d的,因此从shape(0,)
开始就可以了。但是wim的答案更好-收集列表中的所有数组,并在最后连接一个数组
循环中的重复连接很难正确进行(您必须理解形状和尺寸),并且比列表附录慢。所有阵列的形状是什么?所有阵列的形状是什么?所有阵列的形状是什么
?谢谢!对不起,这太明显了!我使用allarray=np.delete(allarray,slice(0,(len(myArray))),axis=0)删除连接后的第一个numpy数组。谢谢!对不起,这太明显了!我使用allarray=np.delete(allarray,slice(0,(len(myArray))),axis=0)删除连接后的第一个numpy数组。