Question

我正在尝试创建一个numpy数组，其中每个元素都是一个（48,48）形状的numpy数组，本质上是一个很大的列表，我可以在该列表上进行遍历并每次检索不同的48x48数组。

for i in range(1):
    new_image = np.fromstring(train_np[i][1],dtype=int,sep=" ")
    new_image = new_image.reshape(48,48) #create the new 48x48 correctly

    image_train = np.stack([image_train,new_image]) #this line only works once

当range为1（仅运行一次）时，堆栈将返回预期的结果形状（2，48 48）。多次运行会产生收益

ValueError: all input arrays must have the same shape

在这种情况下，是否有比np.stack更好的操作？我想进行迭代，然后查看形状变为（2,48,48）->（3,48,48）->（4,48,48）...，依此类推。

Answer 1

numpy已针对大型并行计算进行了优化。它在设计时没有非常灵活的数据形状，因此，如果您不能对数据的形状进行硬编码，通常最好使用列表（灵活），然后在末尾调用numpy堆叠它们。

image_train = []

for i in range(1):
    new_image = np.fromstring(train_np[i][1],dtype=int,sep=" ")
    new_image = new_image.reshape(48,48) 
    image_train.append(new_image) 

image_train = np.stack(image_train)

也就是说，您可以为此使用np.concatenate，但这会非常缓慢且操作不当。

如何通过迭代创建其他numpy数组的numpy数组？

1 个答案: