如何有效地将 numpy 数组调整为给定形状，必要时用零填充？

Question

我想基于另一个 numpy 数组创建一个给定形状的数组。 尺寸的数量将匹配，但尺寸会因轴而异。 如果原始尺寸太小，我想用零填充它以满足要求。 需要澄清的预期行为示例：

embedding = np.array([
    [1, 2, 3, 4],
    [5, 6, 7, 8]
])

resize_with_outer_zeros(embedding, (4, 3)) = np.array([
    [1, 2, 3],
    [5, 6, 7],
    [0, 0, 0],
    [0, 0, 0]
])

我想我通过下面的 function 实现了预期的行为。

def resize_with_outer_zeros(embedding: np.ndarray, target_shape: Tuple[int, ...]) -> np.ndarray:
    padding = tuple((0, max(0, target_size - size)) for target_size, size in zip(target_shape, embedding.shape))
    target_slice = tuple(slice(0, target_size) for target_size in target_shape)
    return np.pad(embedding, padding)[target_slice]

然而，我对它的效率和优雅有强烈的怀疑，因为它涉及到很多纯 python 元组操作。 有没有更好更简洁的方法呢？

Answer 1

如果您知道您的数组不会大于某个大小(r, c) ，为什么不只是：

def pad_with_zeros(A, r, c):
   out = np.zeros((r, c))
   r_, c_ = np.shape(A)
   out[0:r_, 0:c_] = A
   return out

如果你想支持任意维度（张量），它会变得有点难看，但原理是一样的：

def pad(A, shape):
   out = np.zeros(shape)
   out[tuple(slice(0, d) for d in np.shape(A))] = A
   return out

并支持更大的 arrays （比您要填充的更大）：

def pad(A, shape):
    shape = np.max([np.shape(A), shape], axis=0)
    out = np.zeros(shape)
    out[tuple(slice(0, d) for d in np.shape(A))] = A
    return out

Answer 2

我不认为你可以做得更好，但不要使用pad然后切片，只需在正确的大小处执行zeros ，然后进行分配 - 这会将其削减为一个列表理解而不是两个。

embedding = np.array([
    [1, 2, 3, 4],
    [5, 6, 7, 8]
])

z = np.zeros((4,3))
s = tuple([slice(None, min(za,ea)) for za,ea in zip(z.shape, embedding.shape)])

z[s] = embedding[s]
z
# array([[1., 2., 3.],
#        [5., 6., 7.],
#        [0., 0., 0.],
#        [0., 0., 0.]])

Answer 3

我只需使用零矩阵并运行嵌套的 for 循环来设置旧数组中的值 - 其余位置将自动填充零。

import numpy as np


def resize_array(array, new_size):
    Z = np.zeros(new_size)
    for i in range(len(Z)):
        for j in range(len(Z[i])):
            try:
                Z[i][j] = array[i][j]
            except IndexError:       # just in case array[i][j] doesn't exist in the new size and should be truncated
                pass
    return Z


embedding = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
print(resize_array(embedding, (4, 3)))