Python 向ndarray添加附加维度

我已按以下方式定义了和ndarray：

dataset = np.ndarray(shape=(len(image_files), image_size, image_size),
                         dtype=np.float32)

此数组表示大小为

image\u size

*

image\u size

的图像集合。 所以我可以说，

dataset[0]

并得到一个与索引为

0

的图像相对应的2D表

现在我想为这个数组中的每个图像增加一个字段。例如，对于位于索引

0

的图像，我想存储编号

123

，对于位于索引

321

的图像，我想存储编号

50000

将此附加数据字段添加到现有ndarray的最简单方法是什么？

---

添加此额外维度后，访问新数组中数据的适当方式是什么？

Numpy数组基本上是张量，即它们的形状在轴上是绝对的。这意味着形状是固定的，而不是可变的。比如说,

import numpy as np

x = np.array([[[1,2],[3,4]],
              [[5,6],[7,8]]
             ])
print(x.shape) #Here we have two, 2x2s. Shape = (2,2,2)

如果我想将

x[0]

与数字5相关联，将

x[1]

与数字7相关联，那么这将类似于（如果可能的话）：

但这样的事情是不可能的，因为它“在某种意义上”会有一个对应于

（2，（（2,2），1））

，或者其他一些模棱两可的形状。这样的对象不是numpy数组或张量。它没有固定的轴尺寸。所有numpy阵列必须具有固定的轴大小。因此，如果要存储新信息，唯一的方法是创建另一个数组

x = np.array([[[1,2],[3,4]],
              [[5,6],[7,8]],
             ])
y = np.array([5,7])

---

现在

x[0]

对应于

y[0]

，

x[1]

对应于

y[1]

x

具有形状

（2,2,2）

和

y

具有形状

（2，）

如果您洗牌索引数组而不是数据集本身，则可以跟踪原始“标识符”

idx = np.arange(len(image_files))
np.random.shuffle(idx)
shuffle_set = dataset[idx]

说明：

In [20]: x = np.arange(12).reshape(6,2)
    ...: idx = np.arange(6)
    ...: np.random.shuffle(idx) 
In [21]: x
Out[21]: 
array([[ 0,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7],
       [ 8,  9],
       [10, 11]])
In [22]: x[idx]             # shuffled
Out[22]: 
array([[ 4,  5],
       [ 0,  1],
       [ 2,  3],
       [ 6,  7],
       [10, 11],
       [ 8,  9]])
In [23]: idx1=np.argsort(idx)
In [24]: idx
Out[24]: array([2, 0, 1, 3, 5, 4])
In [25]: idx1
Out[25]: array([1, 2, 0, 3, 5, 4])
In [26]: Out[22][idx1]       # recover original order
Out[26]: 
array([[ 0,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7],
       [ 8,  9],
       [10, 11]])

---

我不认为在数组中添加第四维是正确的方法。也许字典是更好的方法？图像可以是一个值，数字可以是第二个值，每个值用不同的键存储。你是说一个额外的python字典，其中包含一个image_数据键，一个值就是我要添加的数字吗？这样做的问题是，上面提到的现有代码数据集中已经使用了。这就是更改数据结构的问题所在。例如，在现有代码中，我在该数组上使用了np.random.shuffle。如果地图上有一些信息，图像与其属性之间的对应关系就会丢失，我看不出你的困境。我提出这种方法是因为，正如@Bobby Ocean所暗示的那样，如果你向数组中添加一个额外的维度，它将使数据以指数级的速度增大。一个100x100X1（10000个元素）数组将变成100x100x2（20000个元素）数组来存储一个额外的数字。现在用更大的图像将其扩展到4维…谢谢，@hpaulj。这正是我所需要的。这解决了我的问题。

In [20]: x = np.arange(12).reshape(6,2)
    ...: idx = np.arange(6)
    ...: np.random.shuffle(idx) 
In [21]: x
Out[21]: 
array([[ 0,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7],
       [ 8,  9],
       [10, 11]])
In [22]: x[idx]             # shuffled
Out[22]: 
array([[ 4,  5],
       [ 0,  1],
       [ 2,  3],
       [ 6,  7],
       [10, 11],
       [ 8,  9]])
In [23]: idx1=np.argsort(idx)
In [24]: idx
Out[24]: array([2, 0, 1, 3, 5, 4])
In [25]: idx1
Out[25]: array([1, 2, 0, 3, 5, 4])
In [26]: Out[22][idx1]       # recover original order
Out[26]: 
array([[ 0,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7],
       [ 8,  9],
       [10, 11]])