Question

我有一个数组，让我们说：

A = np.array([1., 2.])

我可以通过简单地执行以下操作来添加新维度：

def redim(arr):
   return arr[:, None]

现在，我想以这种方式动态添加额外的维度：

def redim(arr, dims):
   return arr[dims]

所以我可以这样做：

redim(A, [:, None])
redim(A, [None, :])
redim(A, [none, :, None])

有人知道这是否可行？

应该是什么样的第二个参数，以便我可以动态修改它？（字符串，obj，列表）？我如何connect两个参数来获得扩展数组？

我知道我可以使用expand_dims路线，但是如果有一种方法可以在一次滑动中定义所有扩展尺寸，我的代码会更加清晰。

提前致谢！

Answer 1

我认为reshape正是您所寻找的。

如果弦理论教给我们一件事，那就是一切都需要11个维度：

>>> A = np.array([1,2])
>>> A = A.reshape((2,1,1,1,1,1,1,1,1,1,1))
>>> A
array([[[[[[[[[[[1]]]]]]]]]],






   [[[[[[[[[[2]]]]]]]]]]])

现在你可以在任何方面获得切片：

>>> A[1,:,:,:,:,0]
array([[[[[[[[[2]]]]]]]]])

使用重塑时唯一的要求是元素总数不变（即尺寸乘积必须在第一和第二形状之间保持不变）

修改

如果你想要使用切片，你必须传递tuple个参数，如下所示：

def redim(a, dims): return a[dims] >>> redim(A, (slice(None), None, slice(None), None))

Numpy数组在传递参数元组时有一个特殊的行为（这正是封面下的A[1,2,:]之类的多索引），如果你想将调用包装到[]运算符，你实际上必须遵守np.ndarray.__getitem__功能签名。

要获得多维索引，它需要一组int，None或slice对象（使用切片表示法时创建的对象，例如A[1:2] <=> A.__getitem__(slice(1,2))）。使用它非常麻烦，但如果你坚持数组的numpy约定，你可以包装所有numpy操作（汇总here）

Redimension numpy数组动态

1 个答案: