使用zip将2 numpy尺寸重塑为一个吗？

Question

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

Answer 1

在numpy的文档中有一个简单的答案

np.reshape(a,(3,9), order='F')

Answer 2

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

Answer 3

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。