Question

我有K个特征向量，它们全部共享维n，但具有可变维m（n x m）。他们都一起生活在一个清单中。

to_be_padded = []

to_be_padded.append(np.reshape(np.arange(9),(3,3)))

array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

to_be_padded.append(np.reshape(np.arange(18),(3,6)))

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17]])

to_be_padded.append(np.reshape(np.arange(15),(3,5)))

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

我正在寻找的是一种聪明的方法，以零填充这些np.arrays的行，以便它们都共享相同的维m。我曾尝试使用np.pad解决它，但是我还无法提出一个漂亮的解决方案。在正确方向上的任何帮助或推动将不胜感激！

结果应使数组看起来像这样：

array([[0, 1, 2, 0, 0, 0],
       [3, 4, 5, 0, 0, 0],
       [6, 7, 8, 0, 0, 0]])

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17]])

array([[ 0,  1,  2,  3,  4, 0],
       [ 5,  6,  7,  8,  9, 0],
       [10, 11, 12, 13, 14, 0]])

Answer 1

我相信对此没有非常有效的解决方案。我认为您需要使用for循环遍历列表，并分别处理每个数组：

for i in range(len(to_be_padded)):
    padded = np.zeros((n, maxM))
    padded[:,:to_be_padded[i].shape[1]] = to_be_padded[i]
    to_be_padded[i] = padded

其中maxM是列表中最长的m。

Answer 2

您可以为此使用np.pad，它也可以使用指定填充宽度2-D的元组填充((top, bottom), (left, right))数组。为此，您可以定义：

def pad_to_length(x, m):
    return np.pad(x,((0, 0), (0, m - x.shape[1])), mode = 'constant')

使用情况

您可以从找到列数最多的ndarray开始。假设您有两个a和b：

a = np.array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

b = np.array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

m = max(i.shape[1] for i in [a,b])
# 5

然后使用此参数填充ndarrays：

pad_to_length(a, m)
array([[0, 1, 2, 0, 0],
       [3, 4, 5, 0, 0],
       [6, 7, 8, 0, 0]])

numpy数组的动态零填充

2 个答案: