Question

如果我有一个数组：

a = np.array([[1,2,3]])

我可以根据数组中的值为这个数组添加一个值。

a = np.insert(a,3,(0.299+a[0][1]*0.587+a[0][2]*0.114))

这会给我以下数组。

array([1, 2, 3, 1.815])

到目前为止一切顺利。但现在我想为具有以下形状的数组执行此操作。

a = np.array(
    [
        [[1,2,3],[3,4,5]],
        [[6,7,8],[9,10,11]]
    ])

array([[[ 1,  2,  3],
        [ 3,  4,  5]],

       [[ 6,  7,  8],
        [ 9, 10, 11]]])

如果不使用for循环，有没有办法做到这一点？

编辑原始问题有一个最小的工作示例＆＃39;这太简化了，导致使用了np.sum（）函数。现在它遵循以下公式，我需要（0.299 * R + 0.587 * G + 0.114 * B）

Answer 1

您没有指定所需的输出，但我认为这是您想要的：

a = np.insert(a, 3, a.sum(axis=-1), axis=-1)
a
#[[[ 1  2  3  6]
#  [ 3  4  5 12]]
#
# [[ 6  7  8 21]
#  [ 9 10 11 30]]]

Answer 2

没有for循环......你必须在项目上进行迭代，所以你恐怕无法避免。或至少复制行为。

以下内容有望让您更接近实际应用：

#Define a function to apply to the matrix
def f(x, ar):
    return np.append(next(ar),x[0]*0.299+x[1]*0.587+x[2]*0.114)

#Create an iterator for semi-efficient stepping through the matrix elements
b = iter(a.reshape((a.shape[0]*a.shape[1],-1)))

#create output array; syntax:
#np.apply_along_axis(1D-function,axis_to_apply_along,object_to_apply_to,optional_arguments)
vals = np.apply_along_axis(f,2,a,b)

#vals
#Out[440]: 
#array([[[  1.   ,   2.   ,   3.   ,   1.815],
#        [  3.   ,   4.   ,   5.   ,   3.815]],
#
#       [[  6.   ,   7.   ,   8.   ,   6.815],
#        [  9.   ,  10.   ,  11.   ,   9.815]]])

但是，for循环在to-loop-over序列上调用iter()，并对结果使用next()调用。因此，上述功能基本上以替代方式实现for循环。我们现在唯一希望改变的是，我们避免循环错误的东西，因此最终节省了一些时间..

Answer 3

您可以尝试：

a = np.array([[[1,2,3],[3,4,5]],[[6,7,8],[9,10,11]]]).astype(np.float_)
a = np.concatenate((a, 0.299*a[:,:,0:1] + 0.587 * a[:,:,1:2] + 0.114*a[:,:,2:3]), axis = 2 )

这给了我：

array([[[  1.   ,   2.   ,   3.   ,   1.815],
        [  3.   ,   4.   ,   5.   ,   3.815]],
       [[  6.   ,   7.   ,   8.   ,   6.815],
        [  9.   ,  10.   ,  11.   ,   9.815]]])

NB：如果您需要单精度，请使用np.float32代替np.float_，这实际上对应于双精度（reference for numpy types here）。当然，如果a已经有正确的类型，则无需转换。

根据该数组中的值将值插入到numpy数组中

3 个答案: