Question

我有一个数组：

[0 1 2 3 4 5 6 7 8 ....] #2560 positions

我试图将这个1D数组重塑为3D：

A = np.arange(2560)  #generating example data
B = np.reshape(A,(16,16,10))   # here, i's expect to be 16 rows 16 x columns x 10 "frames" 
C = B[:,:,0]

然而，结果是给出了类似的东西

C = [[0, 10, 20, 30, .., 150]
     [160, 170, 180, ..., 310]
     ...
     [2510,...2550]

正确的是

print(B[:,:,0])

[[0, 1, 2, 3, .., 15]
 [16, 17, 18, ..., 31]
 ...
 [240,241,..., 255]

print(B[:,:,1])

[[256, 257, , .., 271]
 ...
 [496,497,..., 511]

我做错了什么？

我们的想法是不使用它来加快速度

Answer 1

我认为您不了解数据的结构。

这是一个3D矩阵。

首先，您有 16行，每行包含 16列，每列包含 10个列表

但是，行和列不包含任何数字，行包含列，列包含列表。只有列表包含数字。

因此，当您执行：print(B[:,:,0])时，您会问：“我希望列表的第一个数字包含在每一行的每一列中”。所以你得到了你要求的东西。

你无法获得这个：

print(B[:,:,0])
[[0, 1, 2, 3, .., 15]
 [16, 17, 18, ..., 31]
 ...
 [240,241,..., 255]

print(B[:,:,1])

[[256, 257, , .., 271]
 ...
 [496,497,..., 511]

这不是数据的存储方式，您必须操纵数据才能以这种方式显示数据。

您可以执行以下操作：

A = np.arange(2560)
B = np.reshape(A,(10,16,16))
print(B[0,:,:])

[[  0   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15]
 [ 16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31]
 [ 32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47]
 [ 48  49  50  51  52  53  54  55  56  57  58  59  60  61  62  63]
 [ 64  65  66  67  68  69  70  71  72  73  74  75  76  77  78  79]
 [ 80  81  82  83  84  85  86  87  88  89  90  91  92  93  94  95]
 [ 96  97  98  99 100 101 102 103 104 105 106 107 108 109 110 111]
 [112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127]
 [128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143]
 [144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159]
 [160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175]
 [176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191]
 [192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207]
 [208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223]
 [224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239]
 [240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255]]

Answer 2

正如您自己发现的那样，简单地重塑不会给您所需的格式。要解决这个问题，我们需要不同地重塑然后置换轴。这里可以遵循一般理论 - Reshape and permute axes。解决方案是 -

A.reshape(-1,16,16).transpose(1,2,0)

示例运行 -

In [465]: A = np.arange(2560)

In [466]: B = A.reshape(-1,16,16).transpose(1,2,0)

In [467]: B[:,:,0]
Out[467]: 
array([[  0,   1,   2,   3,   4,   5,   6,   7,   8,   9,  10,  11,  12,
         13,  14,  15],
       [ 16,  17,  18,  19,  20,  21,  22,  23,  24,  25,  26,  27,  28,
         29,  30,  31] ...

In [468]: B[:,:,1]
Out[468]: 
array([[256, 257, 258, 259, 260, 261, 262, 263, 264, 265, 266, 267, 268,
        269, 270, 271],
       [272, 273, 274, 275, 276, 277, 278, 279, 280, 281, 282, 283, 284,
        285, 286, 287]...

我们也可以使用np.moveaxis来执行置换 -

np.moveaxis(A.reshape(-1,16,16), 0, -1)

将1d数组重塑为3d数组numpy

2 个答案: