numpy通过任意轴重塑多维数组

问题内容：

因此，这是一个有关 重整形状 的 使用以及此功能如何在多维尺度上使用每个轴的问题 。

假设我有以下包含第一个索引索引的矩阵的数组。 我要实现的是改为使用第一个索引对每个矩阵的列进行索引
。为了说明此问题，请考虑以下示例，其中使用第一个索引对矩阵进行索引的给定numpy数组为z。

x = np.arange(9).reshape((3, 3))
y = np.arange(9, 18).reshape((3, 3))
z = np.dstack((x, y)).T

z如下所示：

array([[[ 0,  3,  6],
    [ 1,  4,  7],
    [ 2,  5,  8]],

   [[ 9, 12, 15],
    [10, 13, 16],
    [11, 14, 17]]])

它的形状是(2, 3, 3)。在这里，第一个索引是两个图像，三个x 3是一个矩阵。

然后更具体地表达的问题是如何使用重整形以获得以下 期望的输出 ：

array([[ 0,  1,  2],
   [ 3,  4,  5],
   [ 6,  7,  8],
   [ 9, 10, 11],
   [12, 13, 14],
   [15, 16, 17]])

谁的形状是(6, 3)。这样就实现了数组的维索引了矩阵x和y的列，如上所述。我的自然 倾向是 通过以下方式 直接在z上使用重塑 ：

out = z.reshape(2 * 3, 3)

但是，其输出是以下内容，它们索引矩阵的行而不是列的索引：

array([[ 0,  3,  6],
   [ 1,  4,  7],
   [ 2,  5,  8],
   [ 9, 12, 15],
   [10, 13, 16],
   [11, 14, 17]]

可以使用重塑来获得上述所需的输出吗？或 更笼统地说，使用重塑功能时可以控制每个轴的使用方式 吗？

两件事情：

我知道如何解决问题。我可以浏览转置的大矩阵（z）的每个元素，然后按照上述方式应用整形。这会稍微增加计算时间，并且并不是真正的问题。但是它不能一概而论，也不会感觉到python。所以我想知道是否有一种标准的开明方式来做到这一点。
我不清楚如何表达这个问题。如果有人对如何更好地表达这个问题有任何建议，我将不胜感激。

问题答案：

每个数组的元素都有自然的顺序（一维展平）。当您对数组进行整形时，就 好像先 对其进行了展平（从而获得自然顺序），然后对其进行了整形：

In [54]: z.ravel()
Out[54]: 
array([ 0,  3,  6,  1,  4,  7,  2,  5,  8,  9, 12, 15, 10, 13, 16, 11, 14,
       17])

In [55]: z.ravel().reshape(2*3, 3)
Out[55]: 
array([[ 0,  3,  6],
       [ 1,  4,  7],
       [ 2,  5,  8],
       [ 9, 12, 15],
       [10, 13, 16],
       [11, 14, 17]])

请注意，按照“自然顺序”，0和1相距很远。无论您重塑形状，0和1都不会沿着最后一个轴彼此相邻，这就是您想要的所需数组：

desired = np.array([[ 0,  1,  2],
                    [ 3,  4,  5],
                    [ 6,  7,  8],
                    [ 9, 10, 11],
                    [12, 13, 14],
                    [15, 16, 17]])

这需要重新排序，在这种情况下，可以通过以下方式完成swapaxes：

In [53]: z.swapaxes(1,2).reshape(2*3, 3)
Out[53]: 
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11],
       [12, 13, 14],
       [15, 16, 17]])

因为swapaxes(1,2)将值按所需顺序放置

In [56]: z.swapaxes(1,2).ravel()
Out[56]: 
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17])

In [57]: desired.ravel()
Out[57]: 
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17])

请注意，该reshape方法还具有一个order参数，该参数可用于控制（C-或F-）顺序，以该顺序从数组中读取元素并将其放置在重新成形的数组中。但是，我认为这对您没有帮助。

考虑极限的另一种方法reshape是说所有重塑后跟拉威尔都是相同的：

In [71]: z.reshape(3,3,2).ravel()
Out[71]: 
array([ 0,  3,  6,  1,  4,  7,  2,  5,  8,  9, 12, 15, 10, 13, 16, 11, 14,
       17])

In [72]: z.reshape(3,2,3).ravel()
Out[72]: 
array([ 0,  3,  6,  1,  4,  7,  2,  5,  8,  9, 12, 15, 10, 13, 16, 11, 14,
       17])

In [73]: z.reshape(3*2,3).ravel()
Out[73]: 
array([ 0,  3,  6,  1,  4,  7,  2,  5,  8,  9, 12, 15, 10, 13, 16, 11, 14,
       17])

In [74]: z.reshape(3*3,2).ravel()
Out[74]: 
array([ 0,  3,  6,  1,  4,  7,  2,  5,  8,  9, 12, 15, 10, 13, 16, 11, 14,
       17])

因此，如果所需数组的间距不同，则仅通过重塑就无法获得它。

与重塑一样order='F'，只要您也对以下内容感到满意order='F'：

In [109]: z.reshape(2,3,3, order='F').ravel(order='F')
Out[109]: 
array([ 0,  9,  1, 10,  2, 11,  3, 12,  4, 13,  5, 14,  6, 15,  7, 16,  8,
       17])

In [110]: z.reshape(2*3*3, order='F').ravel(order='F')
Out[110]: 
array([ 0,  9,  1, 10,  2, 11,  3, 12,  4, 13,  5, 14,  6, 15,  7, 16,  8,
       17])

In [111]: z.reshape(2*3,3, order='F').ravel(order='F')
Out[111]: 
array([ 0,  9,  1, 10,  2, 11,  3, 12,  4, 13,  5, 14,  6, 15,  7, 16,  8,
       17])

可以使用两种变形来获得所需的数组：

In [83]: z.reshape(2, 3*3, order='F').reshape(2*3, 3)
Out[83]: 
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11],
       [12, 13, 14],
       [15, 16, 17]])

但我偶然发现了这一点。

如果我完全误解了您的问题，x并且y是给定值（不是z），则可以使用row_stack而不是获得所需的数组dstack：

In [88]: z = np.row_stack([x, y])

In [89]: z
Out[89]: 
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11],
       [12, 13, 14],
       [15, 16, 17]])

numpy通过任意轴重塑多维数组

微信关注