將 2d 數組的數組轉換為一個 3d 數組

Question

我有一個 numpy 二維 numpy arrays 數組（句子的單詞嵌入數組），例如

embedded_sentences = np.array([ np.array([[1,2,3],[0,0,0]]), np.array([[10,20,30],[40,50,60]]) ])

我需要將此轉換為 3d 數組

np.array([ [[1,2,3],[0,0,0]], [[10,20,30],[40,50,60]] ])

即從shape(2,) （兩個句子）到shape(2,2,3) （兩個單詞的兩個句子，其中每個單詞嵌入 3 個維度）

這樣我就可以使用pytorch使用torch.from_numpy(embedded_sentences)對其進行轉換。

我已經嘗試過np.vstack(embedded_sentences)和np.dstack(embedded_sentences)但這似乎不起作用。

編輯

我可以這樣做

embedded_sentences = np.dstack(embedded_sentences) embedded_sentences = np.transpose(embedded_sentences,(2,0,1))

這有效，但不漂亮。

Answer 1

復制粘貼您的代碼會立即生成 3d 數組。

但是，如果我們 go 確保它是一維 object dtype 數組的額外步驟：

 In [16]: x = np.empty(2,object); x[:] = list(embedded_sentences) In [17]: x Out[17]: array([array([[1, 2, 3], [0, 0, 0]]), array([[10, 20, 30], [40, 50, 60]])], dtype=object)

這實際上是 2 個 arrays 的列表。 我們可以像np.array一樣使用np.stack加入它們：

 In [18]: np.stack(x) Out[18]: array([[[ 1, 2, 3], [ 0, 0, 0]], [[10, 20, 30], [40, 50, 60]]])

我可能應該堅持查看您嘗試的替代方案有什么問題，例如vstack和dstack ：

 In [19]: np.vstack(x) Out[19]: array([[ 1, 2, 3], [ 0, 0, 0], [10, 20, 30], [40, 50, 60]]) In [20]: np.dstack(x) Out[20]: array([[[ 1, 10], [ 2, 20], [ 3, 30]], [[ 0, 40], [ 0, 50], [ 0, 60]]])

正如您發現的那樣，可以轉置dstack 。 vstack可以重新整形。

所有這些stack函數都會調整一些維度並執行np.concatenate 。

Answer 2

您的輸入已經具有所需的形狀和元素。 請看下面的代碼片段：

 In [1]: import numpy as np In [2]: embedded_sentences = \...: np.array([...: np.array([[1,2,3],[0,0,0]]),...: np.array([[10,20,30],[40,50,60]])...:...: ]) In [3]: embedded_sentences.shape Out[3]: (2, 2, 3)

我猜你的意思是：

我有一個 2d-numpy arrays 的numpy 數組列表（句子的單詞嵌入數組），例如

In [4]: embedded_sentences = \...: [...: np.array([[1,2,3],[0,0,0]]),...: np.array([[10,20,30],[40,50,60]])...: ]

如果是，那么np.array應該足夠了，如下所示：

 In [5]: embedded_sentences = np.array(embedded_sentences) In [6]: embedded_sentences Out[6]: array([[[ 1, 2, 3], [ 0, 0, 0]], [[10, 20, 30], [40, 50, 60]]]) In [7]: embedded_sentences.shape Out[7]: (2, 2, 3)

但是，在您的帖子中，您提到這將成為pytorch的輸入。 因此，可以直接使用pytorch ，如下圖：

 In [8]: import torch In [9]: t = torch.tensor(embedded_sentences) In [10]: t Out[10]: tensor([[[ 1, 2, 3], [ 0, 0, 0]], [[10, 20, 30], [40, 50, 60]]]) In [11]: t.shape Out[11]: torch.Size([2, 2, 3]) In [12]: t.dtype Out[12]: torch.int64