从1-D数据重塑生成4-D阵列

Question

我有一套油藏的一维渗透率数据，

它是一个1-D数组，格式为6列，X行，需要重构为：

60 x 220 x 85个细胞（1.122x106个细胞）

如果我导入数据，并使用z = 1的重新形状函数，它将填充正确的格式（从左到右阅读并首先用x = 1填充y，z = 1然后用x =填充y 2等。

如果我使用z = 2，它在到达[x1，y，z1]的顶部后填充[x1，y，z2]，然后返回并填充[x2，y，z1]，在每个之间有效地分割它切片，

import numpy as np
data = np.loadtxt("spe_phi_sample.prn")
print(data.shape)
data = np.reshape(data, (60,85,2))
print(data.shape)
x,y,z = data.nonzero()
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

ax.scatter(x, y, -z, c=data[x,y,z] ,  zdir='z')

z = 1带跟踪器的数据（格式正确）

z = 2个带跟踪器的数据（看看它是如何填充错误的切片）

有没有办法确定重塑形状如何填充数据？是否有更合适的功能，通过确定每个轴的切片时间从大型1-d阵列创建4-d阵列，还是需要手动完成？我对python没有太多经验，谢谢

Answer 1

当您使用numpy.reshape时，您必须记住它将使用索引顺序读取元素，并使用此索引顺序将元素放入重新整形的数组中。默认索引顺序由下式给出：最后一个轴索引变化最快，返回第一个轴索引变化最慢（其中......，第二个轴为y，第一个轴为x）。

为了更好地理解会发生什么，这里有一段代码：

import numpy as np

# Create array.
size1 = 10
size2 = 60
shape = (size1, size2)
a = np.mod(np.arange(1, size1 * size2 + 1), size2).reshape(shape)
# Reshape array with z = 1.
b = np.reshape(a, (size1, size2, 1))
# Reshape array with z = 2.
c = np.reshape(a, (size1, size2 / 2, 2))
# Reshape array correctly.
d = np.reshape(a, (size1, 2, size2 / 2))
d = np.swapaxes(d, 1, 2)

这是b（蓝色表示低值（1），红色表示高值（10））：

以下是c：

这里是d：

如您所见，c首先沿z轴填充，而d首先沿y轴填充，这要归功于{{3}功能。

我希望这会对你有所帮助。

Answer 2

来自'It is a 1-D array in the format 6 columns, X rows,'的

loadtxt让我怀疑它是一个结构化数组。

向我们展示data.shape和data.dtype。

当您在重塑时向我们展示data的相同值。

查看一些＆＃39;行也可能会有所帮助。例如，数据data[:3,...]。