【发布时间】：2018-02-07 13:39:14
【问题描述】：
我想在 python 中重塑一个数组（最初是一个 numpy 数组），使第一个索引处的每个元素都成为该数组中的一个正方形/象限，而不是采用一行中的所有元素的常规重塑。
这是一次重塑+重组。
当然，这是最快/更好的方法:)
（首选python 3.5）
使用形状为行、列、通道的数组。
例如，我创建了这个数组，您可以将其解释为图像。我已经为其添加了值，因此我们可以清楚地看到每个元素属于哪个行、列和通道：
import numpy as np
X = np.zeros((8,6,3)) #8 rows, 6 columns, 3 channels (imagine RGB channels)
for i in range(3):
X[:,:,i] += i+1 #the last digit in the array elements are channels
for i in range(6):
X[:,i,:] += 10*(i+1) #the second digit in elements are columns
for i in range(8):
X[i,:,:] += 100*(i+1) #the first digit in elements are rows
打印这个数组显示：
[[[ 111. 112. 113.]
[ 121. 122. 123.]
[ 131. 132. 133.]
[ 141. 142. 143.]
[ 151. 152. 153.]
[ 161. 162. 163.]]
[[ 211. 212. 213.]
[ 221. 222. 223.]
[ 231. 232. 233.]
[ 241. 242. 243.]
[ 251. 252. 253.]
[ 261. 262. 263.]]
...
- 因此，很明显第一个索引被分组为图像行（每个更大的组中的第一个数字都是恒定的）
- 第二个索引是列，它们在大的每个较小的组中变化
- 最后一个索引是通道，它们会单独更改，在较小的组中逐个元素地变化。
常规重塑不满足我的条件
现在，假设我想将该数组重塑为 12 个正方形，每个正方形为 2 x 2（两行两列），将通道保持为最后一个维度。
如果我只是 print(X.reshape(12,2,2,3))，我会得到这个：
[
[
[
[ 111. 112. 113.]
[ 121. 122. 123.]
]
[
[ 131. 132. 133.]
[ 141. 142. 143.]
]
]
[
[
[ 151. 152. 153.]
[ 161. 162. 163.]
]
[
[ 211. 212. 213.]
[ 221. 222. 223.]
]
]
....
第一个索引将第一行的所有元素分组（它们从 1 开始）。因此，它不是在图像中采用“正方形”，而是将事物分组成一条直线。在第 1 行的所有列都被取走之前，它永远不会从第 2 行取元素。
预期结果
如何正确有效地重塑它，以便第一个索引返回正方形（2 行，2 列），如下所示：
[
[
[
[ 111. 112. 113.]
[ 121. 122. 123.]
]
[
[ 211. 212. 213.]
[ 221. 222. 223.]
]
]
[
[
[ 131. 132. 133.]
[ 141. 142. 143.]
]
[
[ 231. 232. 233.]
[ 241. 242. 243.]
]
]
[
[
[ 151. 152. 153.]
[ 161. 162. 163.]
]
[
[ 251. 252. 253.]
[ 261. 262. 263.]
]
]
[
[
[ 311. 312. 313.]
[ 321. 322. 323.]
]
[
[ 411. 412. 413.]
[ 421. 422. 423.]
]
]
....
【问题讨论】：
标签： python sorting numpy image-processing reshape