有一种减少数组的方法吗？

Question

我有这个numpy数组，这是其他numpy数组的隐患

array([array([[ 0.,  1.,  0.,  0.,  1.,  0.]]),
       array([[ 1.,  0.,  0.,  1.,  0.,  0.]]),
       array([[ 0.,  0.,  0.,  0.,  1.,  1.]]),
       array([[ 0.,  1.,  0.,  0.,  0.,  1.]]),
       array([[ 0.,  1.,  0.,  1.,  0.,  0.]]),
       array([[ 1.,  0.,  0.,  0.,  0.,  1.]])], dtype=object)

当前形状为(6,) 。 我想要的是这个形状(6,6)

array([[ 0.,  1.,  0.,  0.,  1.,  0.],
       [ 1.,  0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  1.,  1.],
       [ 0.,  1.,  0.,  0.,  0.,  1.],
       [ 0.,  1.,  0.,  1.,  0.,  0.],
       [ 1.,  0.,  0.,  0.,  0.,  1.]], dtype=object)

有没有解决这个问题的方法，还是我必须遍历数组并将其追加？

Answer 1

您应该尝试这样：

my_array = my_array.reshape(6,6)

按原样粘贴时，它可与上述数组配合使用，因为它将删除第三维。 如上面@Divikar注释所示，其他方法（例如vstack和concatenate）也应为此目的工作

Answer 2

如果显示准确，并且数组确实是（6，），则必须使用以下命令重新创建它：

In [27]: array=np.array
In [28]: alist = [array([[ 0.,  1.,  0.,  0.,  1.,  0.]]),
    ...:        array([[ 1.,  0.,  0.,  1.,  0.,  0.]]),
    ...:        array([[ 0.,  0.,  0.,  0.,  1.,  1.]]),
    ...:        array([[ 0.,  1.,  0.,  0.,  0.,  1.]]),
    ...:        array([[ 0.,  1.,  0.,  1.,  0.,  0.]]),
    ...:        array([[ 1.,  0.,  0.,  0.,  0.,  1.]])]
    ...:        
In [29]: A = np.empty((6,),object)
In [30]: A
Out[30]: array([None, None, None, None, None, None], dtype=object)
In [31]: A[:]=alist
In [32]: A
Out[32]: 
array([array([[ 0.,  1.,  0.,  0.,  1.,  0.]]),
       array([[ 1.,  0.,  0.,  1.,  0.,  0.]]),
       array([[ 0.,  0.,  0.,  0.,  1.,  1.]]),
       array([[ 0.,  1.,  0.,  0.,  0.,  1.]]),
       array([[ 0.,  1.,  0.,  1.,  0.,  0.]]),
       array([[ 1.,  0.,  0.,  0.,  0.,  1.]])], dtype=object)

reshape不起作用：

In [33]: A.reshape(6,6)
...
ValueError: cannot reshape array of size 6 into shape (6,6)

但是该数组可以视为一个列表，并可以进行concatenate ：

In [34]: np.concatenate(A, axis=1)
Out[34]: 
array([[ 0.,  1.,  0.,  0.,  1.,  0.,  1.,  0.,  0.,  1.,  0.,  0.,  0.,
         0.,  0.,  0.,  1.,  1.,  0.,  1.,  0.,  0.,  0.,  1.,  0.,  1.,
         0.,  1.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  1.]])
In [35]: np.concatenate(A, axis=0)
Out[35]: 
array([[ 0.,  1.,  0.,  0.,  1.,  0.],
       [ 1.,  0.,  0.,  1.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  1.,  1.],
       [ 0.,  1.,  0.,  0.,  0.,  1.],
       [ 0.,  1.,  0.,  1.,  0.,  0.],
       [ 1.,  0.,  0.,  0.,  0.,  1.]])

在列表上串联也可以： np.concatenate(alist, axis=0)

我应该注意，结果数组是dtype float ，而不是object 。 可以使用astype进行转换，但是谁会想要呢？

---

简单的copy-n-paste会生成3d数组，因为外部array忽略内部除法并尽可能创建高维数组：

In [37]: array([array([[ 0.,  1.,  0.,  0.,  1.,  0.]]),
    ...:        array([[ 1.,  0.,  0.,  1.,  0.,  0.]]),
    ...:        array([[ 0.,  0.,  0.,  0.,  1.,  1.]]),
    ...:        array([[ 0.,  1.,  0.,  0.,  0.,  1.]]),
    ...:        array([[ 0.,  1.,  0.,  1.,  0.,  0.]]),
    ...:        array([[ 1.,  0.,  0.,  0.,  0.,  1.]])])       
Out[37]: 
array([[[ 0.,  1.,  0.,  0.,  1.,  0.]],

       [[ 1.,  0.,  0.,  1.,  0.,  0.]],
        ...
       [[ 1.,  0.,  0.,  0.,  0.,  1.]]])
In [38]: _.shape
Out[38]: (6, 1, 6)

因此，我们需要小心如何重新创建这样的案例。