Question

我从NumPy开始。

鉴于两个QT_INIT_RESOURCE，np.array和queu：

new_path

我的目标是获得以下queu = [ [[0 0] [0 1]] ] new_path = [ [[0 0] [1 0] [2 0]] ]：

queu

我试过了：

queu = [ [[0 0]
          [0 1]]
         [[0 0]
          [1 0]
          [2 0]]
       ]

和

np.append(queu, new_path, 0)

但两人都在提高

除了连接轴之外的所有输入数组维度必须完全匹配

我没有得到NumPy哲学。我做错了什么？

Answer 1

您需要的是np.hstack

In [73]: queu = np.array([[[0, 0],
                            [0, 1]]
                         ])
In [74]: queu.shape
Out[74]: (1, 2, 2)

In [75]: new_path = np.array([ [[0, 0],
                                [1, 0],
                                [2, 0]]
                             ])

In [76]: new_path.shape
Out[76]: (1, 3, 2)

In [81]: np.hstack((queu, new_path))
Out[81]: 
array([[[0, 0],
        [0, 1],
        [0, 0],
        [1, 0],
        [2, 0]]])

Answer 2

In [741]: queu = np.array([[[0,0],[0,1]]])
In [742]: new_path = np.array([[[0,0],[1,0],[2,0]]])
In [743]: queu
Out[743]: 
array([[[0, 0],
        [0, 1]]])
In [744]: queu.shape
Out[744]: (1, 2, 2)
In [745]: new_path
Out[745]: 
array([[[0, 0],
        [1, 0],
        [2, 0]]])
In [746]: new_path.shape
Out[746]: (1, 3, 2)

您已经定义了2个数组，其形状为（1,2,2）和（1,3,2）。如果您对这些形状感到困惑，则需要重新阅读一些基本的numpy介绍。

hstack，vstack和append都致电concatenate。使用它们的3d数组只会让事情变得混乱。

连接第二个轴，其中一个是2，一个是另一个，可以生成（1,5,2）数组。（这相当于hstack）

In [747]: np.concatenate((queu, new_path),axis=1)
Out[747]: 
array([[[0, 0],
        [0, 1],
        [0, 0],
        [1, 0],
        [2, 0]]])

尝试在轴0上加入（vstack）会产生错误：

In [748]: np.concatenate((queu, new_path),axis=0)
....
ValueError: all the input array dimensions except for the concatenation axis must match exactly

连接轴为0，但轴1的尺寸不同。因此错误。

您的目标不是有效的numpy数组。你可以在列表中一起收集它们：

In [759]: alist=[queu[0], new_path[0]]
In [760]: alist
Out[760]: 
[array([[0, 0],
        [0, 1]]), 
 array([[0, 0],
        [1, 0],
        [2, 0]])]

或者对象dtype数组 - 但是它更高级numpy。

Answer 3

我并不完全清楚你是如何设置array的，但从它的声音来看，np.vstack确实应该按照你的意愿行事：

In [30]: queue = np.array([0, 0, 0, 1]).reshape(2, 2)

In [31]: queue
Out[31]:
array([[0, 0],
       [0, 1]])

In [32]: new_path = np.array([0, 0, 1, 0, 2, 0]).reshape(3, 2)

In [33]: new_path
Out[33]:
array([[0, 0],
       [1, 0],
       [2, 0]])

In [35]: np.vstack((queue, new_path))
Out[35]:
array([[0, 0],
       [0, 1],
       [0, 0],
       [1, 0],
       [2, 0]])

NumPy堆栈或将数组附加到数组

3 个答案: