在 for 循环中构造一个 numpy 数组

Question

我正在尝试从我的 python 代码中加载一个包含字典列表的数据库。对于列表的每个项目，字典包含一个文件的名称一个子列表，其中包含 n 个不同的字典，其中一个文件名和数据是一个大小为 40x40x3 的 numpy 矩阵并对应于一个图像。我想在 for 循环中将所有这些图像存储在一个大小为 Nx40x40x3 的 numpy 文件中。

for item in dataset: 
    print item["name"] # the name of the list
    print item["data"] # a list of dictionaries
    for row in item["data"]:
      print row["sub_name"] # the name of the image
      print row["sub_data"] # contains an numpy array (my image) 

我如何构造一个 numpy 数组并添加所有图像？

Answer 1

NumPy 数组 have fixed sizes，因此除非您预先知道大小，否则您必须使用可以更改大小的东西，例如 python 列表。

import numpy as np

images = []

for item in dataset:
    for row in item["data"]:
        images.append(row["sub_data"]) # Add to list

images = np.array(images) # Convert list to np.array()

Answer 2

为了做到这一点，您要么需要像我在other answer 中所做的那样使用大小可以改变的数据类型，要么您还可以弄清楚在定义大批。 （正如@P.Camilleri 所建议的）

这是一个例子：

# Count nuber of images
idx_count = 0
for item in dataset:
    idx_count += len(item['data'])

# Create an empty numpy array that's Nx3x3
images = np.empty((count, 3, 3))

# Populate numpy array with images
idx = 0
for item in dataset:
    for row in item["data"]:
        images[idx] = row["sub_data"]
        idx += 1

print(images)

这样做的好处是你只分配一次空间，与使用 python 列表相反，它首先添加到列表中然后复制到 numpy 数组中。

但是，这是以必须对数据进行两次迭代为代价的。

（注意：两个独立的答案，因此我不确定哪个解决方案更好，因此可以分别对它们进行评分。）