将三维数组折叠成二维数组

Question

我在python中有一个二维数组的数组，所有这些数组都是20行，但是有可变的列号（每个都在80到90之间）。

我想迭代地在这些二维数组中添加数值（浮点）值来创建一个最终的二维数组（参见下面的原理图）。

我是python / numpy库的新手，发现了一些我可能正在寻找的功能，但似乎无法让它们发挥作用。

CONCATENATE docs here说它会添加两个不同大小的矩阵（假设一个轴完全相同，我想？）但我不知道如何实际迭代地执行加法步骤。原因是因为我想在我的循环范围之外初始化一个空的numpy数组，所以我可以一遍又一遍地添加它并保存值，但是当我尝试用以下内容初始化数组时：

my_final_matrix = np.array()

它抛出一个错误，在构造函数中没有定义数组。

FLATTEN / RESHAPE docs here降低维度但不添加值。

  

简而言之 - 如何迭代添加不同大小的矩阵   numpy的？

Answer 1

如果您知道最大列数，那么只需使用一点内存开销（在小矩阵场景中没有那么多）并将所有矩阵初始化为（20 x max（90？））。 numpy / scipy工作效果最好（即最快且最一致），当你不动态地混淆矩阵时。

或者，更符合您的原始问题（但效率低得多），您可以在遇到越来越大的矩阵时将最小矩阵重塑为最大矩阵（零填充或其他任何选项）。

Answer 2

我不知道有一个numpy函数可以做到这一点，但如果for循环可以接受，你可以这样做：

array_sum = np.zeros((20, 90))
for array in arrays:
    array_sum[:, :array.shape[1]] += array

Answer 3

这是一个自动检测所需输出大小的解决方案：

>>> import numpy as np
>>> 
# create ragged list
>>> n = 4
>>> ragged = list(map(np.full, np.random.randint(1, 6, (n, 2)), 10**np.arange(n)))
>>> 
>>> ragged
[array([[1, 1, 1]]), array([[10, 10],
       [10, 10],
       [10, 10]]), array([[100],
       [100],
       [100]]), array([[1000, 1000, 1000, 1000],
       [1000, 1000, 1000, 1000]])]
>>> 
# find maximum size in each dimension
>>> maxsh = *map(max, zip(*map(np.shape, ragged))),
# allocate result
>>> result = np.zeros(maxsh, dtype=ragged[0].dtype)
# and add
>>> for r in ragged:
...     result[(*map(slice, r.shape),)] += r
... 
>>> result
array([[1111, 1011, 1001, 1000],
       [1110, 1010, 1000, 1000],
       [ 110,   10,    0,    0]])