如何仅重塑numpy中的最后一个维度？答案

【问题标题】：How to reshape only last dimensions in numpy?如何仅重塑numpy中的最后一个维度？
【发布时间】：2018-02-21 08:44:00
【问题描述】：

假设我有 A 形状 (...,96) 并希望将其重塑为 (...,32,3) 保持长度和前面尺寸的数量（如果有的话）不变。

如何做到这一点？

如果我写

np.reshape(A, (-1, 32, 2))

它将所有前面的维度扁平化为一个，这是我不想要的。

【问题讨论】：

-1 的使用不是省略号。它是“计算保持相同整体尺寸的一个（明确）维度”的简写。
发布的解决方案对您有用吗？
@Divakar 绝对，谢谢

标签： python numpy multidimensional-array reshape

【解决方案1】：

一种方法是使用与新分割轴长度连接的形状信息计算新的形状元组，然后重新整形 -

A.reshape(A.shape[:-1] + (32,3))

示例运行 -

In [898]: A = np.random.rand(5,96)

In [899]: A.reshape(A.shape[:-1] + (32,3)).shape
Out[899]: (5, 32, 3)

In [900]: A = np.random.rand(10,11,5,96)

In [901]: A.reshape(A.shape[:-1] + (32,3)).shape
Out[901]: (10, 11, 5, 32, 3)

甚至适用于 1D 数组 -

In [902]: A = np.random.rand(96)

In [903]: A.reshape(A.shape[:-1] + (32,3)).shape
Out[903]: (32, 3)

有效，因为用于连接的前导轴为空，因此仅在此处使用拆分轴长度 -

In [904]: A.shape[:-1]
Out[904]: ()

In [905]: A.shape[:-1] + (32,3)
Out[905]: (32, 3)

【讨论】：

如果有人在 Tensorflow 中使用它：确保在重塑之前手动将 A.shape 中的任何“无”尺寸转换为“-1”。