Question

我的数据是3D，但只有第三轴有一个已知尺寸，我需要将其转换为2D数组。

示例：

input = 
[[[1, 2, 3]],

 [[4, 5, 6],
  [7, 8, 9]],

 [[1, 2, 3],
  [4, 5, 6],
  [7, 8, 9]]]

input_reshaped = 
[[1, 2, 3],
 [4, 5, 6],
 [7, 8, 9],
 [1, 2, 3],
 [4, 5, 6],
 [7, 8, 9]]

所以我有一个3D数据，其中第一个和第二个维度沿着我的数据集是可变的，第三个维度是不变的，之前已经知道了。

输入中的每个块也是numpy数组。我知道我可以使用numpy.vstack执行此操作并迭代第一维。但是如果可能的话，我想以pythonic的方式重塑这个形状而不会明确地迭代我的数据。

我已经尝试执行列表扩展来获取每个块的第一个形状，然后对这些值求和并将其与重塑一起使用。像这样：

def myStack(a):
    lengths = [item.shape[0] for item in a]
    common_dim = a[0].shape[1]
    return a.reshape(np.sum(lengths), common_dim)

但是使用上一个示例中的输入，我收到以下错误：

ValueError: cannot reshape array of size 3 into shape (6,3)

因为看到输入的Python有一个带形状（3，）的numy.array

有什么想法吗？

额外：如果可能的话，在上述条件下进行反向转换真的很棒！

Answer 1

根据评论中的建议vstack或concatenate：

In [320]: alist
Out[320]: [[[1, 2, 3]], [[4, 5, 6], [7, 8, 9]], [[1, 2, 3], [4, 5, 6], [7, 8, 9]]]
In [321]: len(alist)
Out[321]: 3

尝试从列表中创建一个数组只会创建一个列表的1d数组。没什么帮助。 reshape无效。

In [322]: np.array(alist)
Out[322]: 
array([list([[1, 2, 3]]), list([[4, 5, 6], [7, 8, 9]]),
       list([[1, 2, 3], [4, 5, 6], [7, 8, 9]])], dtype=object)

但concatenate适用于数组列表（或类似对象的数组）：

In [323]: np.concatenate(alist, axis=0)
Out[323]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9],
       [1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

concatenate也可以与Out[322]一起使用，因为它将输入视为列表，即使它是一个数组。

vstack是相同的，除了它确保子数组都是2d，在这种情况下它们已经是。

将具有异构尺寸的3D numpy阵列重塑为2D numpy阵列

1 个答案: