通过相同的数组扩展数组的数组间隔

Question

我必须为机器学习目的设置一个输入张量，如下所示：

tensor=array[array[object_1],array[object_2],...,array[object_n]]
np.shape(tensor)=(a,n,6)

现在每个对象数组都是一维的，假设有 6 个条目是描述它们的变量。 我想用另外 4 个条目扩展这 6 个条目。 此扩展信息的变量保存在数组中

np.shape(extra_information)=(a,m,4) #m<n

m 小于 n 因为 extra_information 中的每个数组都用于对象的间隔。 我可以使用 for 循环来做到这一点，但它必须能够很好地扩展大量 a。 我extra_infromation变成np.shape(extra_information)=(a,m=n,4)的形状，然后使用类似np.dstack([tensor,extra_information],axis=1)但我不确定这是最优雅的解决方案或如何在缩放良好的同时将extra_information变成我想要的形状。 inverals 也保存到一个数组中：

 np.shape(extra_information_intervall)=(a,m,2) #m<n

编辑：

I have no following solution that works but is surely inefficient:

    def extend(track,jet,padding_size):
        event,jets,var=np.shape(jet)
        jet_to_track_data=[]
        for i in jet:
            event_jet_to_track=[]
            lasttrack=0
            for k in i:
                if k[4]!=0:
                    
                    x=np.array([k[l] for l in range(var-2)])
                    shape=(int(k[var-1]-k[var-2]),var-2)
                    
                    value=np.broadcast_to(x,shape)
                    event_jet_to_track.append(value)
                    lasttrack=k[var-1]
                else:
                    x=np.array((var-2)*[0])
                    shape=(int(padding_size-lasttrack),var-2)
                    
                    value=np.broadcast_to(x,shape)
                    
                    event_jet_to_track.append(value)
                    break
        
          jet_to_track_data.append(event_jet_to_track)
      jet_to_track_data=[np.vstack(x) for x in jet_to_track_data]
      jet_to_track_data=np.stack(jet_to_track_data)
      extended=np.concatenate([track,jet_to_track_data],axis=2)
      return extended

进一步澄清问题。 以二维为例：

tensor=[[1,2,3],[3,4,5],[6,7,8],....,[...]]
extra_information=[[a],[b],[c],....[...]]
extra_information_intervall=[[0,2],[3,4],...,[0,0]]

由于zerro填充的形状extra_information是(a,n,4)但它仅包含信息到第m条目和将被以零填充其间n和m。 这也适用于extra_information_intervall 。 现在的目标是将这些信息合并到张量中，如：

tensor=[[1,2,3,a],[3,4,5,a],[6,7,8,b],....,[...,0]]

Answer 1

IIUC，你有一个(a,n,6)张量，它由n对象组成，其中一些是区间对象。 除了已有的 6 个特征之外，这些区间对象每个都有 4 个特征。 拥有这 4 个特征的张量是(a,m,4) ，其中 m<n 和 m = n 个对象之间的间隔对象数。

假设这些间隔从第 0 个对象开始，并且它们基于给定的重复次数（间隔长度）重复，我可以肯定地说结构如下 -

ORIGINAL            ADDITIONAL
Obj0 [......]  -->  Obj0 [....]
Obj1 [......]       
Obj2 [......]       
Obj3 [......]  -->  Obj3 [....]
Obj4 [......]        
Obj5 [......]        
Obj6 [......]  -->  Obj6 [....] 
Obj7 [......]
Obj8 [......]

假设您只想将附加信息复制到接下来的几个对象，直到达到后续间隔，您基本上将填充m间隔之间的间隙，这样现在您有n带有附加信息的对象。

你可以用np.repeat做到这np.repeat 。 您可以计算从您的时间间隔列表中重复每个m对象的次数并将其存储在s 。 关于这一点的详细解释在最后一段。

a = np.random.random((2,10,6))
b = np.random.random((2,5,4))

s = np.array([2,3,2,2,1])  #Number of elements = number of objects m
                           #Sum of elements = number of objects n

new_b = np.repeat(b, s, axis=1)
#new_b shape = (2,10,4)

out = np.dstack((a, new_b))
out.shape

(2, 10, 10)

这将执行以下操作 -

ORIGINAL            ADDITIONAL
Obj0 [......]  -->  Obj0 [....]
Obj1 [......]  -->  Obj0 [....]       
Obj2 [......]  -->  Obj0 [....]       
Obj3 [......]  -->  Obj3 [....]
Obj4 [......]  -->  Obj3 [....]        
Obj5 [......]  -->  Obj3 [....]        
Obj6 [......]  -->  Obj6 [....] 
Obj7 [......]  -->  Obj6 [....] 
Obj8 [......]  -->  Obj6 [....] 

---

编辑：我已经根据您的输入更新了我的答案。 由于间隔可以是可变长度，您仍然可以简单地使用np.repeat但只需传递另一个参数s ，它告诉它每个元素重复多少次。 这可以从您的间隔列表中计算出来。 这个s数组的长度需要等于m对象，所以它可以告诉每个对象需要分别重复多少次。 AND, s的总和需要等于n因为重复后的输出数组需要与原始数组具有相同的对象 = n

s = np.array([2,3,2,2,1])  #Number of elements = number of objects m
                           #Sum of elements = number of objects n

#First object from m objects will repeat 2 times, 
#second will repeat 3 times, etc...

#Total number of objects created after 
#repetitions = 10 = objects in original tensor.