在不更改尺寸的情况下更改多维NumPy数组的形状

Question

我目前正在猴子修补Scikit-Learn函数，其中的一行需要2维的NumPy数组。 但是，我正在使用的数据是具有3维的NumPy数组，这会引发错误“无法解包的值太多”。

我正在调用fit对数据进行聚类的K-Means函数。 我的问题归结为以下代码，假设X是我传入的ndarray ：

n_samples, n_features = X.shape

X是一个具有3维的数组，如下所示：

X = np.array([[[1, 2, 3],
               [4, 5, 6]],

              [[7, 8, 9],
               [10, 11, 12]],

              [[13, 14, 15],
               [16, 17, 18]]])

数据表示一组具有6个维度的数据点的时间序列。 例如，第一个元素[[1, 2, 3], [4, 5, 6]]将代表一个时间序列，其中包含来自2个时间段的样本，每个样本具有3个维度。

我已经用猴子修补了k_means_代码，使我可以对ndarray的ndarray进行聚类。 我的目标是在2D阵列上执行k均值。

是否可以将3D ndarray的形状设置为2个元素？ 例如，我尝试将3D数组转换为2D对象数组，但最终将其转换回3D数组。

np.array([[x.astype(object) for x in c] for c in combined])

同样，以下代码也将转换回3D数组。

np.array([[np.array(x) for x in c] for c in combined])

列表[[x.astype(object) for x in c] for c in combined]看起来像它创建了正确的数组，但是由于它是list类型的，因此在该函数中不再起作用。

我正在寻找一种将3D NumPy数组“转换”为2维的方法。 任何帮助将不胜感激！

注意：我不是在寻找一种改变数组形状的方法。 我需要保留所有尺寸，但更改形状以忽略其中一个尺寸。

Answer 1

要创建一个数组数组，我们必须玩一些技巧，因为np.array尽力制作一个尽可能高维的数组。 如果子数组的大小不同可以，但是如果它们都相同，我们就必须抗衡。

这是一种方法：

从3D数组开始：

In [812]: arr = np.arange(24).reshape(2,3,4)

以及大小合适（但已展平）的空对象数组

In [813]: A = np.empty((6,),object)

复制值（再次展平），并调整为目标形状

In [814]: A[:]=list(arr.reshape(-1,4))
In [815]: A=A.reshape(2,3)
In [816]: A
Out[816]: 
array([[array([0, 1, 2, 3]), array([4, 5, 6, 7]), array([ 8,  9, 10, 11])],
       [array([12, 13, 14, 15]), array([16, 17, 18, 19]),
        array([20, 21, 22, 23])]], dtype=object)

因此，现在我们有了一个（2,3）数组，可以将其形状拆开。

我尝试从np.empty((2,3),object) ，但是无法获得A[:,:]=...分配工作。 为了使此对象重塑工作，我们必须将arr拆分为数组列表。 对象数组就像一个列表一样，是一个指针数组。

但是scikit函数会接受这样的数组吗？ （经过形状障碍后）。 我怀疑对象重塑是一种短视解决方案。

---

In [824]: [[x.astype(object) for x in c] for c in arr]
Out[824]: 
[[array([0, 1, 2, 3], dtype=object),
  array([4, 5, 6, 7], dtype=object),
  array([8, 9, 10, 11], dtype=object)],
 [array([12, 13, 14, 15], dtype=object),
  array([16, 17, 18, 19], dtype=object),
  array([20, 21, 22, 23], dtype=object)]]
In [825]: _[0][0].shape
Out[825]: (4,)

这将创建一个嵌套的列表列表，内部元素是（4，）对象数组。 将其包装在np.array并使用dtype对象重新创建3d数组。

---

重塑，由于某种未知的原因，您不想保留数字dtype

In [828]: arr.reshape(2,-1)
Out[828]: 
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23]])
In [829]: arr.reshape(-1,4)
Out[829]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15],
       [16, 17, 18, 19],
       [20, 21, 22, 23]])