[英]Reshaping 2 numpy dimensions into one with zipping?
我尝试搜索此问题,但找不到任何相关内容。
描述问题的最快方法是一个简单的示例:可以说我有一个2D numpy arrayl,如下所示:
[[0, 1, 2, 3],
[10, 11, 12, 13],
[20, 21, 22, 23]]
因此它的形状为[3,6],我想将其重塑为一个1D数组,如下所示:
[0, 10 ,20 ,1 ,11 ,21 ,2 ,12 ,22 ,3 ,13 ,23 ]
与数组不同,我们可以通过重塑获得:
[ 0, 1, 2, 3, 10, 11, 12, 13, 20, 21, 22, 23]
现在,对于实际的问题,我...我实际上有一个3D数组,我想将其重塑为2D数组,并且我想使用上述方法进行操作。 另一个例子是:
import numpy
a = numpy.array([[[0,1,2],[10,11,12],[20,21,22]],
[[100,101,102],[110,111,112],[120,121,122]],
[[200,201,202],[210,211,212],[220,221,222]]])
a.shape
a.reshape(3,9)
OUTPUT: array([[ 0, 1, 2, 10, 11, 12, 20, 21, 22],
[100, 101, 102, 110, 111, 112, 120, 121, 122],
[200, 201, 202, 210, 211, 212, 220, 221, 222]])
再一次,我希望我的输出看起来像这样:
[[ 0, 10, 20, 1, 11, 21, 2, 12, 22],
[100, 110, 120, 101, 111, ..................],
[...........................................]]
编辑:仅仅为了谷歌搜索此问题的人,我添加了一些人可能会搜索的搜索词:
交织维数numpy数组
邮编尺寸numpy数组
整形整齐的尺寸
张量重塑尺寸时间步长
在numpy的文档中有一个简单的答案
np.reshape(a,(3,9), order='F')
我们需要用np.swapaxes
或np.transpose
交换最后两个轴,然后重塑np.transpose
。
对于2D
输入情况,它将是-
a.swapaxes(-2,-1).ravel()
对于3D
输入情况,只有重塑零件会发生变化-
a.swapaxes(-2,-1).reshape(a.shape[0],-1)
通用方式:要使其通用,可以涵盖所有n-dim阵列情况-
a.swapaxes(-2,-1).reshape(a.shape[:-2] + (-1,)).squeeze()
样品运行
2D外壳:
In [186]: a
Out[186]:
array([[ 0, 1, 2, 3],
[10, 11, 12, 13],
[20, 21, 22, 23]])
In [187]: a.swapaxes(-2,-1).reshape(a.shape[:-2] + (-1,)).squeeze()
Out[187]: array([ 0, 10, 20, 1, 11, 21, 2, 12, 22, 3, 13, 23])
3D外壳:
In [189]: a
Out[189]:
array([[[ 0, 1, 2],
[ 10, 11, 12],
[ 20, 21, 22]],
[[100, 101, 102],
[110, 111, 112],
[120, 121, 122]],
[[200, 201, 202],
[210, 211, 212],
[220, 221, 222]]])
In [190]: a.swapaxes(-2,-1).reshape(a.shape[:-2] + (-1,)).squeeze()
Out[190]:
array([[ 0, 10, 20, 1, 11, 21, 2, 12, 22],
[100, 110, 120, 101, 111, 121, 102, 112, 122],
[200, 210, 220, 201, 211, 221, 202, 212, 222]])
运行时测试-
In [14]: a = np.random.rand(3,3,3)
# @mahdi n75's soln
In [15]: %timeit np.reshape(a,(3,9), order='F')
1000000 loops, best of 3: 1.22 µs per loop
In [16]: %timeit a.swapaxes(-2,-1).reshape(a.shape[0],-1)
1000000 loops, best of 3: 1.01 µs per loop
In [20]: a = np.random.rand(30,30,30)
# @mahdi n75's soln
In [21]: %timeit np.reshape(a,(30,900), order='F')
10000 loops, best of 3: 28.4 µs per loop
In [22]: %timeit a.swapaxes(-2,-1).reshape(a.shape[0],-1)
10000 loops, best of 3: 18.9 µs per loop
In [17]: a = np.random.rand(300,300,300)
# @mahdi n75's soln
In [18]: %timeit np.reshape(a,(300,90000), order='F')
1 loop, best of 3: 333 ms per loop
In [19]: %timeit a.swapaxes(-2,-1).reshape(a.shape[0],-1)
10 loops, best of 3: 52.4 ms per loop
另外,您可以将np.ravel与order='F'
。
In [35]: arr
Out[35]:
array([[ 0, 1, 2, 3],
[10, 11, 12, 13],
[20, 21, 22, 23]])
In [36]: np.ravel(arr, order='F')
Out[36]: array([ 0, 10, 20, 1, 11, 21, 2, 12, 22, 3, 13, 23])
请注意,与np.reshape()
,您无需在此处指定任何形状信息。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.