填充大型 numpy 数组答案

【问题标题】：Padding large numpy arrays填充大型 numpy 数组
【发布时间】：2013-04-10 09:38:16
【问题描述】：

另一个numpy数组处理问题：我有一个大约。具有固定大小（我知道）的 2000³ 条目 numpy 数组，包含整数。我想用另一个整数填充数组，以便它在所有维度上都被包围。这个整数在整个填充过程中是固定的。

example (2D)
1----->000
       010
       000

我有两个想法，导致了这个结果：

创建一个更大的 numpy 数组，包含填充值并“切片”填充中的旧区域：
```
padded=np.zeros((z+2,x+2,y+2))
padded[1:z+1,1:x+1,1:y+1]=olddata
```

使用 np.insert 或 hstack,vstack,dstack 添加值：

padded=np.insert(data,0,0,axis=0)
padded=np.insert(data,x+1,0,axis=0) etc.

问题是，所有这些方法都不是就地的，而是分配一个新数组 (1.) 或复制旧数组 (2.)。有没有办法就地进行填充？我知道，从 numpy 1.7 开始。有 numpy.pad 模块。但这似乎也使用了某种分配和覆盖（就像我的 1. 方式）。

【问题讨论】：

您可以先使用填充数组吗？
@JanneKarila ：我不知道如何从填充数组开始？我有原始数据，在某些时候我必须填充它吗？
如何将原始数据放入 NumPy 数组中？也许您可以在那时将其读入填充内的切片中。
@JanneKarila 我可以这样做，但我需要在之前将 Padding 创建为数组，这需要大量时间和内存（例如 np.ones(2000,2000,2000) 几乎需要4 秒）
您可以使用 np.empty 和切片分配来设置填充，而不是 np.ones。

标签： python numpy

【解决方案1】：

您不能就地添加填充，因为在内存布局中没有空间。不过，您可以采用另一种方式：首先分配填充的数组，然后在访问未填充的数据时使用一个视图。

padded = np.empty((2002,2002,2002))
padded[0] = 0
padded[-1] = 0
padded[:,0] = 0
padded[:,-1] = 0
padded[:,:,0] = 0
padded[:,:,-1] = 0

unpadded = padded[1:-1, 1:-1, 1:-1]

【讨论】：