Question

我正在寻找一种更优化的方法将（n，n）或（n，n，1）矩阵转换为（n，n，3）矩阵。我从（n，n，3）开始，但是在我对第二轴执行求和（n，n）之后，我的尺寸减小了。基本上，我想保持数组的原始大小，并让第二轴重复3次。我需要这个的原因是我稍后会用另一个（n，n，3）数组广播它，但它们需要相同的尺寸。

我当前的方法有效，但看起来并不优雅。

a0=np.random.random((n,n))
b=a.flatten().tolist()
a=np.array(zip(b,b,b))
a.shape=n,n,3

此设置具有所需的结果，但很笨重且难以遵循。有没有办法通过复制第二个索引直接从（n，n）到（n，n，3）？或者也许是一种不开始缩小数组的方法？

Answer 1

None或np.newaxis是向数组添加维度的常用方法。（{3}）与（3,3,1）同样有效：

reshape

In [64]: arr=np.arange(9).reshape(3,3) In [65]: arr1 = arr[...,None] In [66]: arr1.shape Out[66]: (3, 3, 1)因为函数或方法会复制它。

repeat

但你可能不需要这样做。广播a（3,3,1）与（3,3,3）。

In [72]: arr2=arr1.repeat(3,axis=2)
In [73]: arr2.shape
Out[73]: (3, 3, 3)
In [74]: arr2[0,0,:]
Out[74]: array([0, 0, 0])

实际上它会用（3，）广播来制作（3,3,3）。

In [75]: (arr1+arr2).shape
Out[75]: (3, 3, 3)

所以In [77]: arr1+np.ones(3,int) Out[77]: array([[[1, 1, 1], [2, 2, 2], ... [[7, 7, 7], [8, 8, 8], [9, 9, 9]]])是将（3,3,1）扩展到（3,3,3）的另一种方法。

广播规则是：

arr1+np.zeros(3,int)

广播根据需要在开始时添加尺寸。

在轴上求和时，可以使用参数保持原始维数：

(3,3,1) + (3,) => (3,3,1) + (1,1,3) => (3,3,3)

如果你想沿着任何维度减去数组的平均值，这很方便：

In [78]: arr2.sum(axis=2).shape
Out[78]: (3, 3)
In [79]: arr2.sum(axis=2, keepdims=True).shape
Out[79]: (3, 3, 1)

Answer 2

您可以先在a上创建一个新轴（轴= 2），然后沿此新轴使用np.repeat：

np.repeat(a[:,:,None], 3, axis = 2)

或者另一种方法，展平数组，重复元素然后重塑：

np.repeat(a.ravel(), 3).reshape(n,n,3)

结果比较：

import numpy as np
n = 4
a=np.random.random((n,n))
b=a.flatten().tolist()
a1=np.array(zip(b,b,b))
a1.shape=n,n,3
# a1 is the result from the original method

(np.repeat(a[:,:,None], 3, axis = 2) == a1).all()
# True

(np.repeat(a.ravel(), 3).reshape(4,4,3) == a1).all()
# True

时间安排，使用内置numpy.repeat也会显示加速：

import numpy as np
n = 4
a=np.random.random((n,n))

def rep():
    b=a.flatten().tolist()
    a1=np.array(zip(b,b,b))
    a1.shape=n,n,3

%timeit rep()
# 100000 loops, best of 3: 7.11 µs per loop

%timeit np.repeat(a[:,:,None], 3, axis = 2)
# 1000000 loops, best of 3: 1.64 µs per loop

%timeit np.repeat(a.ravel(), 3).reshape(4,4,3)
# 1000000 loops, best of 3: 1.9 µs per loop

改变不同尺寸的阵列一起广播

2 个答案: