根據該數組中的值將值插入到numpy數組中

Question

如果我有一個數組：

a = np.array([[1,2,3]])

我可以根據數組中的值向該數組添加一個值。

a = np.insert(a,3,(0.299+a[0][1]*0.587+a[0][2]*0.114))

這將給我以下數組。

array([1, 2, 3, 1.815])

到現在為止還挺好。 但是現在我想對具有以下形狀的數組執行此操作。

a = np.array(
    [
        [[1,2,3],[3,4,5]],
        [[6,7,8],[9,10,11]]
    ])

array([[[ 1,  2,  3],
        [ 3,  4,  5]],

       [[ 6,  7,  8],
        [ 9, 10, 11]]])

有沒有不用for循環就可以做到這一點的方法？

編輯原始問題有一個“最小工作示例”，由於過於簡化，導致使用了np.sum（）函數。 現在它遵循下面的公式，我需要（0.299 * R + 0.587 * G + 0.114 * B）

Answer 1

您沒有指定所需的輸出，但是我想這就是您想要的：

a = np.insert(a, 3, a.sum(axis=-1), axis=-1)
a
#[[[ 1  2  3  6]
#  [ 3  4  5 12]]
#
# [[ 6  7  8 21]
#  [ 9 10 11 30]]]

Answer 2

如果沒有for循環，那么您將不得不遍歷所有項目，因此恐怕您無法避免。 或至少復制行為。

以下內容有望使您更接近實際應用：

#Define a function to apply to the matrix
def f(x, ar):
    return np.append(next(ar),x[0]*0.299+x[1]*0.587+x[2]*0.114)

#Create an iterator for semi-efficient stepping through the matrix elements
b = iter(a.reshape((a.shape[0]*a.shape[1],-1)))

#create output array; syntax:
#np.apply_along_axis(1D-function,axis_to_apply_along,object_to_apply_to,optional_arguments)
vals = np.apply_along_axis(f,2,a,b)

#vals
#Out[440]: 
#array([[[  1.   ,   2.   ,   3.   ,   1.815],
#        [  3.   ,   4.   ,   5.   ,   3.815]],
#
#       [[  6.   ,   7.   ,   8.   ,   6.815],
#        [  9.   ,  10.   ,  11.   ,   9.815]]])

但是，for循環在循環結束序列上調用iter() ，並在結果上使用next()調用。 因此，以上功能基本上以替代方式實現了for循環。 現在，我們唯一希望有所改變的是，我們避免了遍歷錯誤的事物，因此最終節省了一些時間。

Answer 3

您可以嘗試：

a = np.array([[[1,2,3],[3,4,5]],[[6,7,8],[9,10,11]]]).astype(np.float_)
a = np.concatenate((a, 0.299*a[:,:,0:1] + 0.587 * a[:,:,1:2] + 0.114*a[:,:,2:3]), axis = 2 )

這給了我：

array([[[  1.   ,   2.   ,   3.   ,   1.815],
        [  3.   ,   4.   ,   5.   ,   3.815]],
       [[  6.   ,   7.   ,   8.   ,   6.815],
        [  9.   ,  10.   ,  11.   ,   9.815]]])

注意：如果需要單精度，請使用np.float32而不是np.float_ ，它實際上對應於雙精度（ 此處為numpy類型的參考 ）。 當然，如果a已經具有正確的類型，則無需進行轉換。