Python 为多维数组添加虚拟维度

有一个nd数组

a

，其形状

[100255255,3]

，对应于100255*255个图像。我想迭代这个多维数组，每次迭代我得到一个图像。这就是我所做的，

A1=A[I，：，：，：：]

结果

A1

具有形状

[255255,3]

。但是，我想强制它具有形状

[1255255,3]

。我怎么做

np.reshape(A1, (1, 255, 255, 3))

---

应该在生成的数组上使用

np.newaxis

来完成此操作

二维阵列上非常简单的示例：

x = np.array([[0, 1], [2, 3]])
x.shape
#: (2, 2)
x[np.newaxis]
#: array([[[0, 1],
#:         [2, 3]]])
x[np.newaxis].shape
#: (1, 2, 2)

---

当然，没问题。使用“重塑”。假设A1是一个numpy数组

A1=A1.重塑（[1255255,3]）

这将重塑你的矩阵

如果A1不是numpy数组，则使用

---

A1=numpy.array（A1）。重塑（[1255255,3]）

答案是。。。这里是一个例子，请注意，您必须仔细查看括号，以区分a和b是否因尺寸不同而不同

>>> a = np.arange(2*2*2*2).reshape(2,2,2,2)
>>> a.ndim
4
>>> b = a.reshape((1,)+a.shape)
>>> b.ndim
5
>>> a
array([[[[ 0,  1],
         [ 2,  3]],

        [[ 4,  5],
         [ 6,  7]]],


       [[[ 8,  9],
         [10, 11]],

        [[12, 13],
         [14, 15]]]])
>>> b
array([[[[[ 0,  1],
          [ 2,  3]],

         [[ 4,  5],
          [ 6,  7]]],


        [[[ 8,  9],
          [10, 11]],

         [[12, 13],
          [14, 15]]]]])

如果使用：

for a in A: # iteration on the first dimension
   a = a[None,...]   # add the dim back
   # or a.reshape(...)

但是如果使用

for i in range(A.shape[0]):
    a = A[[i]]    # preserve the 1st dim
    # or a = A[None,i,...]

但我喜欢使用

枚举

，因此：

for i, a in enumerate(A):
    a = a[None,...]   

但我鼓励你想想为什么你需要最初的一维空间。也许您甚至不需要迭代？

可能重复