将矩阵数组生成矩阵的三元组数组/Python

我在一个数组中有891个大小为7X32的矩阵。我想得到891个大小为7X32的三重矩阵

两个矩阵的示例（显然不是那么大）：

我需要它成为：

[[1,1,1,1,1],
[2,2,2,2,2],
[3,3,3,3,3]],
[[1,1,1,1,1],
[2,2,2,2,2],
[3,3,3,3,3]],
[[1,1,1,1,1],
[2,2,2,2,2],
[3,3,3,3,3]],
[[2,2,2,2,2],
[2,2,2,2,2],
[3,3,3,3,3]],
[[2,2,2,2,2],
[2,2,2,2,2],
[3,3,3,3,3]],
[[2,2,2,2,2],
[2,2,2,2,2],
[3,3,3,3,3]],

其中[]表示它是一个不同的矩阵

我用来获取矩阵的代码：

matrices = np.dstack([df.values.astype(int)] * 32)

从常规数据帧

我想也许

matrices = np.dstack([[df.values.astype(int)] * 32]*3)

会有用的，但没用

我这样做是为了尝试将一个常规问题转化为“图像”，如cifar 10数据。

扩展一个dim/轴后使用-

np.repeat(a[None],3,axis=0)

样本运行-

In [140]: a
Out[140]: 
array([[7, 1, 8, 6],
       [5, 8, 1, 1],
       [2, 7, 3, 7]])

In [141]: np.repeat(a[None],3,axis=0)
Out[141]: 
array([[[7, 1, 8, 6],
        [5, 8, 1, 1],
        [2, 7, 3, 7]],

       [[7, 1, 8, 6],
        [5, 8, 1, 1],
        [2, 7, 3, 7]],

       [[7, 1, 8, 6],
        [5, 8, 1, 1],
        [2, 7, 3, 7]]])

我们也可以使用-

要制作可写版本，请附加

.copy（）

---

使用OP和@piRSquared之间的历史记录以及回复帖子，这里是我的飞镖-

延伸一个或多个尺寸/轴后使用-

np.repeat(a[None],3,axis=0)

样本运行-

In [140]: a
Out[140]: 
array([[7, 1, 8, 6],
       [5, 8, 1, 1],
       [2, 7, 3, 7]])

In [141]: np.repeat(a[None],3,axis=0)
Out[141]: 
array([[[7, 1, 8, 6],
        [5, 8, 1, 1],
        [2, 7, 3, 7]],

       [[7, 1, 8, 6],
        [5, 8, 1, 1],
        [2, 7, 3, 7]],

       [[7, 1, 8, 6],
        [5, 8, 1, 1],
        [2, 7, 3, 7]]])

我们也可以使用-

要制作可写版本，请附加

.copy（）

---

使用OP和@piRSquared之间的历史记录以及回复帖子，这里是我的飞镖-

---

从原始数据帧来看，这似乎是可行的。不过，如果@Divakar提供了您需要的东西，我会听从他的建议

至于我的解决方案，我相信有更好的方法，但这是有效的。这甚至可能给@Divakar他需要看到的东西，以便向我们展示一个更好的方式

np.stack([np.dstack([df.values.astype(int)] * 32)] * 3).transpose(1, 0, 2, 3)

设置

df = pd.DataFrame({
    'Embarked': [0, 1, 1, 3, 1],
    'Family': [1, 1, 0, 1, 0],
    'Fare': [1.0, 2.0, 1.0, 2.0, 2.0],
    'Pclass': [3, 1, 3, 1, 3],
    'Sex': [0, 1, 1, 1, 0],
    'Title': [0, 3, 2, 3, 1]}
)['Pclass Sex Fare Embarked Title Family'.split()]

---

从原始数据帧来看，这似乎是可行的。不过，如果@Divakar提供了您需要的东西，我会听从他的建议

至于我的解决方案，我相信有更好的方法，但这是有效的。这甚至可能给@Divakar他需要看到的东西，以便向我们展示一个更好的方式

np.stack([np.dstack([df.values.astype(int)] * 32)] * 3).transpose(1, 0, 2, 3)

设置

df = pd.DataFrame({
    'Embarked': [0, 1, 1, 3, 1],
    'Family': [1, 1, 0, 1, 0],
    'Fare': [1.0, 2.0, 1.0, 2.0, 2.0],
    'Pclass': [3, 1, 3, 1, 3],
    'Sex': [0, 1, 1, 1, 0],
    'Title': [0, 3, 2, 3, 1]}
)['Pclass Sex Fare Embarked Title Family'.split()]

---

我需要对一个矩阵数组，而不仅仅是一个矩阵。单个矩阵是帮助问题可视化的一个例子。@AntonioLópezRuiz问题是-如何存储矩阵数组？是的，我为我拙劣的示例感到抱歉。为了更好的解释，我刚刚修改了它@Divakar@AntonioL奥佩兹鲁伊斯仍然不清楚。你能生成一个可运行的代码来生成“矩阵数组”吗？比如3D数组的

np.random.randint（0,9，（2,3,4））

等等？我现在已经举例说明了我是如何得到它的（对于一个2矩阵的例子），我需要对矩阵数组执行它，而不仅仅是一个矩阵。单个矩阵是帮助问题可视化的一个例子。@AntonioLópezRuiz问题是-如何存储矩阵数组？是的，我为我拙劣的示例感到抱歉。为了更好的解释，我刚刚修改了它@Divakar@AntonioL奥佩兹鲁伊斯仍然不清楚。你能生成一个可运行的代码来生成“矩阵数组”吗？比如3D数组的

np.random.randint（0,9，（2,3,4））

等等？我现在已经详细说明了我是如何得到它的（对于一个2矩阵示例），它正是我所需要的！非常感谢你！注意@Divakar的答案，因为他可能会编辑它。如果他运行这个解决方案，并且清楚地知道你想要什么，那么他可能会有一个比这个更好的答案。如果他这样做，对你可能会更好。所以请注意，我会注意的，谢谢！有了这段缺失的代码，我正试图做一个从常规问题到图像类型的拓扑图，用CNN来解决。帮个大忙！这正是我需要的！非常感谢你！注意@Divakar的答案，因为他可能会编辑它。如果他运行这个解决方案，并且清楚地知道你想要什么，那么他可能会有一个比这个更好的答案。如果他这样做，对你可能会更好。所以请注意，我会注意的，谢谢！有了这段缺失的代码，我正试图做一个从常规问题到图像类型的拓扑图，用CNN来解决。帮个大忙！