如何将多维数组从特定排列重塑为另一种排列？答案

【问题标题】：How to reshape a multidimensional array from a particular arrangement to another arrangement?如何将多维数组从特定排列重塑为另一种排列？
【发布时间】：2019-07-31 01:03:41
【问题描述】：

我有一个before_arr(2 x 3 x 4) 多维数组。我想把它变成一个new_arr（3 x 2 x 4），我在下面写了一个特定的排列模式。

import numpy as np

before_arr = np.array([
    [
     [0, 0, 0, 0],
     [0, 0, 0, 0],
     [0, 0, 0, 0],
     ],
    [
     [1, 1, 1, 1],
     [1, 1, 1, 1],
     [1, 1, 1, 1],
     ],
    ], dtype=float)

# what I want
new_arr = np.array([
    [
     [0, 0, 0, 0],
     [1, 1, 1, 1],
     ],
    [
     [0, 0, 0, 0],
     [1, 1, 1, 1],
     ],
    [
     [0, 0, 0, 0],
     [1, 1, 1, 1],
     ],
    ], dtype=float)

before_arr.reshape(3, 2, 4) 没有给我我想要的。

In [74]: before_arr.reshape(3, 2, 4)
Out[74]:
array([[[0., 0., 0., 0.],
        [0., 0., 0., 0.]],

       [[0., 0., 0., 0.],
        [1., 1., 1., 1.]],

       [[1., 1., 1., 1.],
        [1., 1., 1., 1.]]])

【问题讨论】：

arr.transpose(1,0,2) 可能会做你想做的事。
哇@hpaulj 你能解释一下它是如何工作的吗？医生说For an n-D array, if axes are given, their order indicates how the axes are permuted ，但不清楚这是什么意思
2,1,0 是一个完整的转置，0,1,2 不会改变任何东西。 1,0,2 切换前 2 个等。

标签： python arrays numpy tensor

【解决方案1】：

使用zip 匹配相应的行。

试试这个：

import numpy as np

before_arr = np.array([
    [
     [0, 0, 0, 0],
     [0, 0, 0, 0],
     [0, 0, 0, 0],
     ],
    [
     [1, 1, 1, 1],
     [1, 1, 1, 1],
     [1, 1, 1, 1],
     ],
    ], dtype=float)

new_arr = np.array([*zip(*before_arr)])
print(new_arr)

输出：

[[[0. 0. 0. 0.]
  [1. 1. 1. 1.]]

 [[0. 0. 0. 0.]
  [1. 1. 1. 1.]]

 [[0. 0. 0. 0.]
  [1. 1. 1. 1.]]]

【讨论】：

你能解释一下 * 对 np.ndarray 做了什么吗？
@Alby 这是一个可迭代的解包。见pep-448。它将数组在其顶层（大小为 2 的暗淡）解压缩为 2 个不同的元素，每个元素的形状为 3x4，然后将它们传递给顶部 zip。
和 * 之前的 zip 和周围的 [ ]实际上可以替换为 list...

【解决方案2】：

由于只需要交换两个轴的位置，可以使用np.swapaxes。这可能是获得所需输出的最直接的方法。

before_arr.swapaxes(0, 1)

array([[[0., 0., 0., 0.],
        [1., 1., 1., 1.]],

       [[0., 0., 0., 0.],
        [1., 1., 1., 1.]],

       [[0., 0., 0., 0.],
        [1., 1., 1., 1.]]])

在更一般的意义上，您可以使用transpose 为您想要的输出明确定义轴的顺序，如果您需要移动多个轴，这将是有益的（尽管这里没有严格要求）。

before_arr.transpose(1, 0, 2)

【讨论】：