Python 是否可以使用numpy压缩除N个维度以外的所有维度？

我想知道是否有一种方法可以将大小为1的所有维度压缩到一个数组中，而不压缩N个维度（即使这些维度的大小为1）

为什么?？假设我有一个函数接收一个数组，它返回数组的矩阵积及其转置，但数组的形状未知（最大2个DIM，大小大于1，但可能有更多DIM，大小为1）

可能的矩阵形状示例：

A.shape -> (M,N)
B.shape -> (M,N,1[...,1])
C.shape -> (M,1[...,1])

为了执行矩阵积，我希望始终保持A（ndim=2）的形状

我可以使用

np.squence（X）

，就是这样，但在C的情况下，这将导致以下问题：

import numpy as np

def my_function(arr):
    arr = np.squeeze(arr)
    return np.dot(arr, arr.transpose())

x = np.arange(1, 6)  # shape (5,)
x = x.reshape((x.size, 1, 1))  # shape (5, 1, 1)
y = my_function(x)
print(y)
# Actual y.shape -> () [is a number]
# Expected y.shape -> (5, 5) [matrix]

---

我希望

np.squence（）

函数有一个参数

axis\u保持

。你知道有没有一种方法可以轻松做到这一点吗？我知道一些方法，但我需要最有效的方法，因为我必须多次执行这些操作。

我想的解决方案之一是：

def my_squeeze(arr, axis=None, keep=0):
    arr = np.squeeze(arr, axis=axis)
    while arr.ndim < keep:
        arr = np.expand_dims(arr, axis=-1)
    return arr

---

如果有人知道不创建

my_squence（）

函数的更好方法，我很乐意听到。

使用

轴挤压以保持
参数

这里有一个用于一般n-dim阵列的参数，该参数具有所请求的保持这些轴的
axes\u to\u keep
param-

def squeeze_generic(a, axes_to_keep):
    out_s = [s for i,s in enumerate(a.shape) if i in axes_to_keep or s!=1]
    return a.reshape(out_s)

样本运行-

In [105]: a = np.random.rand(3,4,5,1,1,6,1)

In [106]: squeeze_generic(a, axes_to_keep=(3,4)).shape
Out[106]: (3, 4, 5, 1, 1, 6)

In [107]: squeeze_generic(a, axes_to_keep=(3,4,6)).shape
Out[107]: (3, 4, 5, 1, 1, 6, 1)

# For cases when axes_to_keep lists axes that aren't singleton
In [108]: squeeze_generic(a, axes_to_keep=(0,1)).shape
Out[108]: (3, 4, 5, 6)

解决您的问题以保持前两个轴

因此，要解决保留前两个轴的具体情况，它将是——

squeeze_generic(a, axes_to_keep=range(2))

让我们看看这方面的示例案例-

In [55]: a = np.random.rand(3,5)

In [56]: squeeze_generic(a, axes_to_keep=range(2)).shape
Out[56]: (3, 5)

In [57]: a = np.random.rand(3,5,1)

In [58]: squeeze_generic(a, axes_to_keep=range(2)).shape
Out[58]: (3, 5)

In [59]: a = np.random.rand(3,1)

In [60]: squeeze_generic(a, axes_to_keep=range(2)).shape
Out[60]: (3, 1)

如果保证第二个轴之后的所有轴都是单轴（长度轴=1）如果有，那么简单的重塑也可以完成这项工作-

a.reshape(a.shape[0],-1)

你试过
np.挤压（arr，-1）
？@Chris是的，当输入形状为
（M，N）
时会给我一个错误，因为被挤压的轴的长度不是1。另外，如果我有输入形状
（M，N，1，1，1）
，它只会挤压最后一个轴，我需要挤压除前2个以外的每个轴（在这种情况下）。效率不是什么大问题。像这样的形状更改只会生成一个视图，与复制和计算相比几乎没有成本。请查看
expand\u dims
的代码。请注意它是如何构造元组并在
重塑
中使用它的。这就是@Divakar正在做的事情。@hpaulj哦，我没想到
expand\u dims
会使用
restrape
。我认为它会使用更“有效”的东西。我想我的解决方案不太好，因为是while循环。在大多数情况下，
重塑
不会产生效率低下的效果，它会生成具有新形状和步幅的视图。无副本或元素计算。谢谢。我认为这是最好的解决办法。
a.reshape(a.shape[0],-1)