Question

在Matlab中，我可以执行以下操作：

X = randn(25,25,25);
size(X(:,:))

ans = 
    25   625

我经常发现自己想要快速折叠数组的尾随维度，并且不知道如何在numpy中执行此操作。

我知道我可以这样做：

In [22]: x = np.random.randn(25,25,25)
In [23]: x = x.reshape(x.shape[:-2] + (-1,))
In [24]: x.shape
Out[24]: (25, 625)

但x.reshape(x.shape[:-2] + (-1,)) lot 简洁（并且需要有关x的更多信息），而不仅仅是x(:,:)。

我显然尝试过类似的numpy索引，但这并不能按预期工作：

In [25]: x = np.random.randn(25,25,25)
In [26]: x[:,:].shape
Out[26]: (25, 25, 25)

有关如何以简洁的方式折叠数组尾随尺寸的任何提示？

编辑：请注意我在生成的数组本身之后，而不仅仅是它的形状。我只是在上面的示例中使用size()和x.shape来表示数组是什么样的。

Answer 1

4d或更高时应该发生什么？

octave:7> x=randn(25,25,25,25);
octave:8> size(x(:,:))
ans =
      25   15625

您的(:,:)将其缩小为2维，并将最后的维度合并。最后一个维度是MATLAB自动添加和折叠维度的位置。

In [605]: x=np.ones((25,25,25,25))

In [606]: x.reshape(x.shape[0],-1).shape  # like Joe's
Out[606]: (25, 15625)

In [607]: x.reshape(x.shape[:-2]+(-1,)).shape
Out[607]: (25, 25, 625)

你的reshape示例与MATLAB有所不同，它只是折叠了最后的2个。将它折叠到2个维度，如MATLAB是一个更简单的表达式。

MATLAB简洁，因为您的需求符合其假设。 numpy等价物不是那么简洁，但可以提供更多控制

例如，要保留最后一个尺寸，或将尺寸2合并为2：

In [608]: x.reshape(-1,x.shape[-1]).shape
Out[608]: (15625, 25)
In [610]: x.reshape(-1,np.prod(x.shape[-2:])).shape
Out[610]: (625, 625)

等效的MATLAB是什么？

octave:24> size(reshape(x,[],size(x)(2:end)))
ans =
15625      25
octave:31> size(reshape(x,[],prod(size(x)(3:end))))

Answer 2

您可以使用np.hstack：

>>> np.hstack(x).shape
(25, 625)

np.hstack ake一系列数组并将它们水平堆叠以形成一个数组。

Answer 3

您可能会发现直接修改shape属性更简洁一些。例如：

import numpy as np

x = np.random.randn(25, 25, 25)
x.shape = x.shape[0], -1

print x.shape
print x

这在功能上等同于reshape（在数据排序等方面）。显然，它仍然需要有关x形状的相同信息，但它是一种处理重塑的更简洁的方法。

折叠numpy数组的尾随尺寸的简单方法？

3 个答案: