将 2-D numpy 阵列附加到 3-D numpy 阵列

Question

我有一个循环，每次都会创建一个新的 (2, 3) 数组。 我想将 append 这些 arrays 一起创建一个新的数组 3-D 数组，我想一个例子说明了我最想做的事情。 假设我有一个数组arr1 = array([[1, 2, 3], [4, 5, 6]])和一个数组arr2 = array([[11, 22, 33], [44, 55, 66]]) 。 我想通过“添加数组”来获得一个新数组，例如arr3 = np.array([[[1, 11], [2, 22], [3, 33]], [[4,44], [5,55], [6,66]]]) 。 在实践中，这看起来像：

import numpy as np

n_samples = 10
total_arr = np.empty([2, 3, n_samples])

for i in range(n_samples):
   arr = np.random.rand(2,3)
   total_arr.append(arr) #This is the step I don't know what do do with

print(total_arr.shape)
>>> (2, 3, 10) #Where 10 is whatever n_samples is

我目前的方法是将total_arr为一个带有total_lst = total_arr.tolist()和append 的列表，每个arr[i,j]使用for 循环到total_lst中的列表。 所以类似total_list[i][j].append(arr[i,j])但这需要很长时间，是否有 numpy 解决方案？

谢谢

Answer 1

In [179]: arr1 = np.array([[1, 2, 3], [4, 5, 6]]); arr2 = np.array([[11, 22, 33], [44, 55, 66]])                
In [180]: arr1                                                                                                  
Out[180]: 
array([[1, 2, 3],
       [4, 5, 6]])
In [181]: arr2                                                                                                  
Out[181]: 
array([[11, 22, 33],
       [44, 55, 66]])

np.stack可以沿新轴加入 arrays 列表。 默认的行为类似于np.array([arr1, arr2]) ，但看起来你想要一个新的最后一个轴：

In [182]: np.stack([arr1, arr2], axis=2)                                                                        
Out[182]: 
array([[[ 1, 11],
        [ 2, 22],
        [ 3, 33]],

       [[ 4, 44],
        [ 5, 55],
        [ 6, 66]]])

一般来说，在列表中收集 arrays 并在最后进行一次“加入”是最好的。 尝试数组加入迭代会更慢，而且更难做对。

或者，您可以创建正确目标大小的数组，并分配元素/块。

===

新的第一轴示例：

In [183]: np.stack([arr1, arr2])                                                                                
Out[183]: 
array([[[ 1,  2,  3],
        [ 4,  5,  6]],

       [[11, 22, 33],
        [44, 55, 66]]])
In [184]: np.stack([arr1, arr2]).transpose(1,2,0)                                                               
Out[184]: 
array([[[ 1, 11],
        [ 2, 22],
        [ 3, 33]],

       [[ 4, 44],
        [ 5, 55],
        [ 6, 66]]])