我想将一个 numpy 二维数组复制到第三维。例如,给定 2D numpy 数组:
import numpy as np arr = np.array([[1, 2], [1, 2]]) # arr.shape = (2, 2)
将其转换为在新维度中具有 N 个此类副本的 3D 矩阵。作用于arr,N=3输出应为:
arr
N=3
new_arr = np.array([[[1, 2], [1,2]], [[1, 2], [1, 2]], [[1, 2], [1, 2]]]) # new_arr.shape = (3, 2, 2)
可能最干净的方法是使用np.repeat:
np.repeat
a = np.array([[1, 2], [1, 2]]) print(a.shape) # (2, 2) # indexing with np.newaxis inserts a new 3rd dimension, which we then repeat the # array along, (you can achieve the same effect by indexing with None, see below) b = np.repeat(a[:, :, np.newaxis], 3, axis=2) print(b.shape) # (2, 2, 3) print(b[:, :, 0]) # [[1 2] # [1 2]] print(b[:, :, 1]) # [[1 2] # [1 2]] print(b[:, :, 2]) # [[1 2] # [1 2]]
话虽如此,您通常可以通过使用广播来避免完全重复您的数组。例如,假设我想添加一个(3,)向量:
(3,)
c = np.array([1, 2, 3])
到a. 我可以a在第三维中复制 3 次的内容,然后c在第一维和第二维中复制两次的内容,这样我的两个数组都是(2, 2, 3),然后计算它们的总和。但是,这样做更简单、更快捷:
a
c
(2, 2, 3)
d = a[..., None] + c[None, None, :]
在这里,a[..., None]有形状(2, 2, 1)和c[None, None, :]有形状(1, 1, 3)*。当我计算总和时,结果会沿着尺寸 1 的尺寸“广播”出来,给我一个 shape 的结果(2, 2, 3):
a[..., None]
(2, 2, 1)
c[None, None, :]
(1, 1, 3)
print(d.shape) # (2, 2, 3) print(d[..., 0]) # a + c[0] # [[2 3] # [2 3]] print(d[..., 1]) # a + c[1] # [[3 4] # [3 4]] print(d[..., 2]) # a + c[2] # [[4 5] # [4 5]]
广播是一种非常强大的技术,因为它避免了在内存中创建输入数组的重复副本所涉及的额外开销。
尽管我为了清楚起见将它们包括在内,但实际上并不需要None索引- 您也可以这样做,即针对数组广播数组。这是因为如果其中一个数组的维数比另一个数组少,那么只有两个数组的 尾随 维数需要兼容。举一个更复杂的例子:c``a[..., None] + c``(2, 2, 1)``(3,) __
None
c``a[..., None] + c``(2, 2, 1)``(3,)
a = np.ones((6, 1, 4, 3, 1)) # 6 x 1 x 4 x 3 x 1 b = np.ones((5, 1, 3, 2)) # 5 x 1 x 3 x 2 result = a + b # 6 x 5 x 4 x 3 x 2