Question

我有一个3D阵列列表，它们都是不同的形状，但我需要它们都是相同的形状。此外，该形状必须是列表中最小的形状。

例如，具有三个数组的my_list具有形状（115,115,3），（111,111,3）和（113,113,3），那么它们都需要是（111,111,3）。它们都是方形彩色图像，因此它们的形状（x，x，3）。

所以我有两个主要问题：

如何在创建列表时找不到最小的形状数组而不循环或保留变量？
如何有效地将列表中的所有数组设置为最小的形状？

目前我在创建my_list时保留了最小形状的变量，所以我可以这样做：

for idx, img in enumerate(my_list):
    img = img[:smallest_shape,:smallest_shape]
    my_list[idx] = img

我觉得这不是最有效的方式，而且我确实意识到我通过切片来失去价值，但我希望如此。

Answer 1

我用

构建了一个样本列表

In [513]: alist=[np.ones((512,512,3)) for _ in range(100)]

并做了一些时间。

收集形状很快：

In [515]: timeit [a.shape for a in alist]
10000 loops, best of 3: 31.2 µs per loop

拿分钟需要更多时间：

In [516]: np.min([a.shape for a in alist],axis=0)
Out[516]: array([512, 512,   3])
In [517]: timeit np.min([a.shape for a in alist],axis=0)
1000 loops, best of 3: 344 µs per loop

切片更快

In [518]: timeit [a[:500,:500,:] for a in alist]
10000 loops, best of 3: 133 µs per loop

现在尝试隔离min步骤。

In [519]: shapes=[a.shape for a in alist]
In [520]: timeit np.min(shapes, axis=0)
The slowest run took 5.75 times longer than the fastest. This could mean that an intermediate result is being cached.
10000 loops, best of 3: 136 µs per loop

当你有对象列表时，迭代是处理所有元素的唯一方法。查看np.hstack和np.vstack（以及其他）的代码。他们执行一个或多个列表推导，将所有输入数组按到正确的形状。然后他们做np.concatenate迭代，但是在编译的代码中。

如何在Python中重新整形列表中的多个数组

1 个答案: