Python NumPy数组中不需要的额外维度
我打开了一个.fits图像:Python NumPy数组中不需要的额外维度,python,numpy,dimensions,Python,Numpy,Dimensions,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 i
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)