在numpy中使用填充将任意长度向量重塑为方阵答案

【问题标题】：Reshape arbitrary length vector into square matrix with padding in numpy在numpy中使用填充将任意长度向量重塑为方阵
【发布时间】：2016-12-16 02:09:06
【问题描述】：

我有一个任意长度的向量，我想把它重塑成一个方阵，比如：

np.arange(6).reshape((3, 3))

[1,2,x]   [1,2,3]    
[3,4,x]   [4,5,6]
[5,6,x]   [x,x,x]

x 可以水平和/或垂直放置。

显然reshape 函数在上面的例子中只允许像 (3,2) 这样的参数。有没有办法产生方形矩阵的效果。谢谢。

【问题讨论】：

什么定义了正方形的形状？我也可以将它放入 7x7 中
是的，可以做到。但是矩阵的每个维度都会接近向量长度的平方根。

标签： python numpy

【解决方案1】：

你必须在 reshape 之前或之后填充数组。

例如使用resize方法添加需要的0：

In [409]: x=np.arange(6)
In [410]: x.resize(3*3)
In [411]: x.shape
Out[411]: (9,)
In [412]: x.reshape(3,3)
Out[412]: 
array([[0, 1, 2],
       [3, 4, 5],
       [0, 0, 0]])

np.resize 复制值。 np.pad 也可以方便地添加 0，尽管它可能会过大。

使用np.arange(6)，我们可以在重塑之前或之后进行填充。 np.arange(5)之前我们必须坚持，因为填充会不规则。

In [409]: x=np.arange(6)
In [410]: x.resize(3*3)
In [411]: x.shape
Out[411]: (9,)
In [412]: x.reshape(3,3)
Out[412]: 
array([[0, 1, 2],
       [3, 4, 5],
       [0, 0, 0]])

在任何情况下，没有一个函数可以在一次调用中完成所有这些工作——至少我所知道的不是。这不是一个足够常见的操作。

【讨论】：

【解决方案2】：

您可以定义最近的正方形，然后将数组带到它并重塑

import numpy as np
n = np.random.randint(10, 200)
a = np.arange(n)
ns = np.ceil(np.sqrt(n)).astype(int)
s = np.zeros(ns**2)
s[:a.size] = a
s = s.reshape(ns,ns)

【讨论】：