如何在 NP 数组中填充第三维？答案

【问题标题】：How to pad a 3rd dimention in an array of NP arrays?如何在 NP 数组中填充第三维？
【发布时间】：2021-07-26 10:07:44
【问题描述】：

我想用零填充数组的第三维，这是我尝试的：

import numpy as np

arr = [np.array([[1,2,3], [1,2,3]]), np.array([[1,2],[2,3,4, 5]])]
lar =  []
for r in arr: 
    for e in r:
        lar.append(len(e))
        
i = max(lar)
for (ii, r) in enumerate(arr): 
    for (i, e) in enumerate(r):
       print(i)
       print(e)
       arr[ii][i]= np.pad(e, (0,i), 'constant' ) 
print(i)
print(lar)
print(arr)

然而，一旦它必须调整第一个子数组，它就会失败，期望的结果：

[[[1,2,3,0]
[1,2,3,0]],
[[1,2,0,0],
[2,3,4,5]]]

【问题讨论】：

标签： python arrays numpy padding

【解决方案1】：

让我们从 Numpy 确实不支持锯齿状数组（具有不同的长度）。

要提到的另一个细节是，您的源“数组”（arr）实际上不是任何数组，而是 Numpy 数组的 list。

这个列表的每个元素是：

“常规”二维 Numpy 数组（如果所有大小在每个维度），
或一维数组，包含列表（不同大小）和整个 element 是一个 object 类型的数组。

所以解决问题的正确方法是执行填充 2 种不同的方式，根据每一行的类型。

编写如下函数：

def myPad(arr):
    lar =  []
    for r in arr: 
        for e in r:
            lar.append(len(e))
    n = max(lar)
    rv = []
    for row in arr:
        if row.ndim == 1:  # A jagged array (1-D array of lists (of different lengths))
            rv.append(np.array([ col + [0] * (n - len(col)) for col in row ]))
        else:              # 2-D array (all rows of same length)
            rv.append(np.pad(row, ((0, 0), (0, n - row.shape[1]))))
    return np.array(rv)

它从您的代码开始确定目标大小 (n)。

然后有一个循环，处理每一行，根据“fork”（if）当前行的维数；

如果 path 处理“锯齿状”数组的情况，
else 路径处理“常规”数组的情况。

当你打电话时：

result = myPad(arr)

对于您的源数据，结果是：

array([[[1, 2, 3, 0],
        [1, 2, 3, 0]],
       [[1, 2, 0, 0],
        [2, 3, 4, 5]]])

它的形状（result.shape）是：

(2, 2, 4)

【讨论】：