Numpy：3D 到 2D答案

【问题标题】：Numpy : 3D to 2DNumpy：3D 到 2D
【发布时间】：2019-01-11 11:23:16
【问题描述】：

我有一个形状为[2000, 140, 190] 的矩阵。这里，2000 是 2D 切片的数量，其中每个切片为 [140, 190]。

我想将此 3D 矩阵转换为 [7000, 7600]（提示：140*50 = 7000；190*40 = 7600；50*40 = 2000）。我想以行主要方式扩展矩阵。有什么指点吗？

【问题讨论】：

有很多关于np.reshape 的文档，但请注意40*50 是2000，而不是200。
我的错。错字..！
有太多的方式来解释这一点。你能解释一下m3d[i,j,k] 在m2d 中的位置吗？ m2d[40*j + j%40, j//40 + 50*k] 是众多选项之一。
@Eric ：是的，m3D 映射到 m2D。我有 2D 图像（140X190）的芯片，它们总共有 2000 个。从中提取这些芯片的图像的原始大小是（7000X7600），即我在 x 方向提取 50 个芯片，在 y 方向提取 40 个芯片。现在，我想从这个 3D 矩阵重建完整的图像。

标签： python python-3.x python-2.7 numpy numpy-ndarray

【解决方案1】：

听起来你也想要一个转置：

m_3d = np.random.rand(2000, 140, 190)

# break the 2000 dimension in two. Pick one:
m_4d = m_3d.reshape((50, 40, 140, 190))

# move the dimensions to collapse to be adjacent
# you might need to tweak this - you haven't given enough information to know
# what order you want
m_4d = m_4d.transpose((0, 2, 1, 3))

# collapse adjacent dimensions
m_2d = m_4d.reshape((7000, 7600))

【讨论】：

【解决方案2】：

如前所述，解决方案是reshape，如果你想要row major，那么根据文档你应该将order设置为F：

m_2d = np.random.rand(7000, 7600)
m_3d = m_2d.reshape([2000, 140, 190],order='F')

【讨论】：

【解决方案3】：

如 cmets 中所述，您可以 np.reshape

m_2d = np.random.rand(7000, 7600)
m_3d = m_2d.reshape([2000, 140, 190])

【讨论】：