在 NumPy 中重塑数组答案

【问题标题】：Reshape an array in NumPy在 NumPy 中重塑数组
【发布时间】：2013-01-06 17:42:04
【问题描述】：

考虑以下形式的数组（只是一个示例）：

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

它的形状是[9,2]。现在我想对数组进行变换，使每一列都变成一个形状[3,3]，像这样：

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

最明显（当然也是“非pythonic”）的解决方案是初始化一个具有适当维度的零数组并运行两个for循环，其中将填充数据。我对符合语言的解决方案感兴趣...

【问题讨论】：

标签： python arrays numpy reshape

【解决方案1】：

a = np.arange(18).reshape(9,2)
b = a.reshape(3,3,2).swapaxes(0,2)

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


# b:
array([[[ 0,  6, 12],
        [ 2,  8, 14],
        [ 4, 10, 16]],

       [[ 1,  7, 13],
        [ 3,  9, 15],
        [ 5, 11, 17]]])

【讨论】：

请注意，b 现在不是连续的，这意味着它不能就地重新整形：b.reshape(9, 2) 返回一个副本，而不是相同数据的视图，b.shape = (9, 2) 将引发错误.
@Jaime 的非常重要的评论，因为 Shape 的重点是允许在没有克隆的情况下乐观地调整大小。处理大量数据集
为什么需要换轴？

【解决方案2】：

numpy 有一个很好的工具来完成这个任务（“numpy.reshape”）link to reshape documentation

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

`numpy.reshape(a,(3,3))`

你也可以使用“-1”技巧

`a = a.reshape(-1,3)`

“-1”是一个通配符，当第二维为 3 时，它将让 numpy 算法决定要输入的数字

所以是的.. 这也可以： a = a.reshape(3,-1)

还有这个： a = a.reshape(-1,2) 什么都不做

还有这个： a = a.reshape(-1,9) 会将形状更改为 (2,9)

【讨论】：

【解决方案3】：

有两种可能的结果重新排列（以@eumiro 为例）。 Einops 包提供了一个强大的符号来明确描述此类操作

>> a = np.arange(18).reshape(9,2)

# this version corresponds to eumiro's answer
>> einops.rearrange(a, '(x y) z -> z y x', x=3)

array([[[ 0,  6, 12],
        [ 2,  8, 14],
        [ 4, 10, 16]],

       [[ 1,  7, 13],
        [ 3,  9, 15],
        [ 5, 11, 17]]])

# this has the same shape, but order of elements is different (note that each paer was trasnposed)
>> einops.rearrange(a, '(x y) z -> z x y', x=3)

array([[[ 0,  2,  4],
        [ 6,  8, 10],
        [12, 14, 16]],

       [[ 1,  3,  5],
        [ 7,  9, 11],
        [13, 15, 17]]])

【讨论】：