Matlab在Python中重塑等价物

Question

我目前正在将 MATLAB 库移植到 Python。截至目前，我正在努力使代码尽可能一对一。我注意到 Matlab 与 Python 中的 reshape 之间存在一些差异，这会导致一些问题。

我听说人们谈论“C”和“Fortran”顺序的区别。 numpy 如何默认为“C”顺序而 Matlab 使用“Fortran”。下面是两个使用两个命令的 Python 示例。

>>> a = np.arange(12).reshape((2,3,2))
>>> a
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5]],

       [[ 6,  7],
        [ 8,  9],
        [10, 11]]])
>>> b = np.arange(12).reshape((2,3,2), order='F')
>>> b
array([[[ 0,  6],
        [ 2,  8],
        [ 4, 10]],

       [[ 1,  7],
        [ 3,  9],
        [ 5, 11]]])

下面是与上述python代码等效的matlab/octave。

octave:12> a = reshape((0:11), [3,2,2])
a =

ans(:,:,1) =

   0   3
   1   4
   2   5

ans(:,:,2) =

    6    9
    7   10
    8   11

请注意，每个示例都会产生不同的结果。

这些示例旨在说明我所指的差异。我在项目中处理的数据集要大得多。我需要能够在 Python 中重塑数组，并确信它正在执行与在 Matlab 中相同的重塑操作。任何帮助将不胜感激。

Answer 1

为什么你在一个中使用 (2,3,2) 形状，而在另一个中使用 (3,2,2)？

In [82]: arr = np.arange(12).reshape((3,2,2), order='F')
In [83]: arr
Out[83]: 
array([[[ 0,  6],
        [ 3,  9]],

       [[ 1,  7],
        [ 4, 10]],

       [[ 2,  8],
        [ 5, 11]]])
In [84]: arr[:,:,0]
Out[84]: 
array([[0, 3],
       [1, 4],
       [2, 5]])
In [85]: arr[:,:,1]
Out[85]: 
array([[ 6,  9],
       [ 7, 10],
       [ 8, 11]])

===

查看进度可能有助于识别c 和f 订单之间的区别

In [86]: arr.shape
Out[86]: (3, 2, 2)
In [87]: arr.strides
Out[87]: (8, 24, 48)

注意最小的步骤，1 个元素（8 个字节）在第一维中是如何被采用的。

与C 订单对比：

In [89]: np.arange(12).reshape(2,2,3)
Out[89]: 
array([[[ 0,  1,  2],
        [ 3,  4,  5]],

       [[ 6,  7,  8],
        [ 9, 10, 11]]])
In [90]: np.arange(12).reshape(2,2,3).strides
Out[90]: (48, 24, 8)

===

好的，让我们试试 (2,3,2) 形状：

>> a = reshape((0:11),[2,3,2])
a =

ans(:,:,1) =

   0   2   4
   1   3   5

ans(:,:,2) =

    6    8   10
    7    9   11

与订单“F”相同：

In [94]: arr = np.arange(12).reshape((2,3,2), order='F')
In [95]: arr
Out[95]: 
array([[[ 0,  6],
        [ 2,  8],
        [ 4, 10]],

       [[ 1,  7],
        [ 3,  9],
        [ 5, 11]]])
In [96]: arr[:,:,0]
Out[96]: 
array([[0, 2, 4],
       [1, 3, 5]])

>> squeeze(a(1,:,:))
ans =

    0    6
    2    8
    4   10
In [98]: arr[0,:,:]
Out[98]: 
array([[ 0,  6],
       [ 2,  8],
       [ 4, 10]])