Question

我正在寻找一种算法，将给定数量的多维数组（每个相同的形状）合并到给定的比例（x，y，z）。

例如，4个阵列的形状（128,128,128）和比例（1,1,4）到形状的阵列（128,128,512）。或2个阵列形状（64,64,64）和比例（1,2,1）形状的阵列（64,128,64）

我知道如何使用np.concatenate手动执行此操作，但我需要一般算法来执行此操作。（np.reshape不起作用 - 这会搞乱订单）

编辑：比例可能是（1,2,3），那么有必要比较框的left_edge，知道放置它的位置。每个数组都有一个对应的块，其属性为left_edge（xmin，ymin，zmin）。我能用if条件解决这个问题吗？

Answer 1

如果您的比例始终是一维的（即仅在一个维度中连接），您可以使用：

arrays = [...]
proportion = (1,1,4)

np.concatenate(arrays, axis=next(i for i,p in enumerate(proportion) if p>1))

否则你必须解释如何处理proportion = (1,2,3)

Answer 2

好吧我用这种方式编程它似乎工作。也许不是最好的方式，但它可以做我想要的。

blocks.sort(key=lambda x: (x.left_edge[2],x.left_edge[1],x.left_edge[0]))
proportion = (Nx * nblockx, Ny * nblocky, Nz * nblockz)

arrays = np.zeros((nblockx, nblocky, nblockz, Nx, Ny, Nz))

for block, (x,y,z) in zip(root_list,
                          product(range(nblockx),
                                  range(nblocky),
                                  range(nblockz))):
    array = np.zeros((Nx, Ny, Nz), dtype = np.float64)

    # this is only the function to fill the array
    writearray(array, ...)

    arrays[x,y,z] = array

shape = arrays.shape
array = np.zeros((shape[0]*shape[3], shape[1]*shape[4], shape[2]*shape[5]))
for x,y,z in product(range(shape[0]), range(shape[1]), range(shape[2])):
    slicex = slice(x*shape[3], (x+1)*shape[3])
    slicey = slice(y*shape[4], (y+1)*shape[4])
    slicez = slice(z*shape[5], (z+1)*shape[5])

    array[slicex, slicey, slicez] = arrays[x,y,z]

return array

numpy.concatenate多维数组

2 个答案: