Python NumPy数组中不需要的额外维度

我打开了一个.fits图像：

scaled_flat1 = pyfits.open('scaled_flat1.fit')   
scaled_flat1a = scaled_flat1[0].data

当我打印它的形状时：

print scaled_flat1a.shape

我得到以下信息：

(1, 1, 510, 765)

我希望它是这样的：

(510, 765)

---

如何去掉之前的两个？

我假设

scaled\u flat1a

是一个numpy数组？在这种情况下，它应该像

重塑

命令一样简单

import numpy as np

a = np.array([[[[1, 2, 3],
                [4, 6, 7]]]])
print(a.shape)
# (1, 1, 2, 3)

a = a.reshape(a.shape[2:])  # You can also use np.reshape()
print(a.shape)
# (2, 3)

---

有一个被调用的方法，它正是您想要的：

从数组形状中删除一维项

参数 退换商品 例如：

import numpy as np

extra_dims = np.random.randint(0, 10, (1, 1, 5, 7))
minimal_dims = extra_dims.squeeze()

print minimal_dims.shape
# (5, 7)

---

注意这一点，如果一开始你并不总是有两个额外的维度，那么你可能会改变有效的形状。值得一提的是，这对于

pyfits

来说并不是特别的。如果您检查数组的头（例如，在Python命令提示符下输入

scaled_flat1a[0].header

），您将看到它可能具有

NAXIS=4

，其中

NAXIS3=1

和

NAXIS4=1

导致额外维度。PyFITS以标准Numpy数组的形式返回数组，因此您最好看看有哪些Numpy教程（不过我没有具体的建议）。

squeezed : ndarray
    The input array, but with with all or a subset of the
    dimensions of length 1 removed. This is always `a` itself
    or a view into `a`.

import numpy as np

extra_dims = np.random.randint(0, 10, (1, 1, 5, 7))
minimal_dims = extra_dims.squeeze()

print minimal_dims.shape
# (5, 7)