如何 reverse.reshape() 並返回到 3D 陣列？

Question

我有一個形狀數據集（256、180、360）。 我將其重塑為 2D，刪除了 0 值，並使用以下方法應用 PCA：

data = data.reshape(data.shape[0], data.shape[1] * data.shape[2]).T
data = data[~np.all(data == 0, axis = 1)]
# Dataset is now of shape (27719, 256)

data = StandardScaler().fit_transform(data)
pca = PCA()
transformed = pca.fit_transform(data)

現在，下一步是將轉換后的數據集重新整形為 3D 和 plot PCA 結果。 我試過了：

transformed.reshape(360, 180, 256)

這給了我錯誤“無法將大小為 7096064 的數組重塑為形狀 (360,180,256)”。 我知道我無法恢復到原始形狀，因為我刪除了改變形狀的 0 值，當然，但我嘗試了其他變體以及使用變體的變體，但我無法將其恢復到 3D（不一定是確切的尺寸和以前一樣）。 有什么建議嗎？

Answer 1

你不能。

在這種情況下，您可以做的是不使用fit_transform ，而是使用兩個單獨的管道。 一種使用fit在刪除了所有零條目的數據集上進行訓練，然后在原始數據集上使用transform來獲取轉換后的數據。

flat_data = data.reshape(data.shape[0], data.shape[1] * data.shape[2]).T
nonzero_data = flat_data[~np.all(flat_data == 0, axis = 1)]

scaler = StandardScaler()
pca = PCA()
pca.fit(scaler.fit_transform(nonzero_data))

transformed = pca.transform(scaler.transform(flat_data)).reshape(data.shape)