我说的是形状的ndarray
my_array = np.zeros((Na, Nb, Nc))
我有Nb束形状为(Na,Nc)的数据
我想用我的一堆数据填充“ my_array”,如下所示:
for b, bit in zip(range(Nb), my_bits):
my_array[:, b, :] = bit
但是我想对任意形状数据集的任何arbitray轴执行此操作。我该怎么办?
**编辑** 有人指出我的问题含糊不清。下面是一个示例代码,说明了我知道该怎么做,导致我不知道该怎么做。
我所知道的:
my_bits = [np.ones((Na, Nc)) for j in range(Nb)]
my_array = np.zeros((Na, Nb, Nc))
for b, bit in zip(range(Nb), my_bits):
my_array[:, b, :] = bit
一般来说,我们可以考虑
my_array = np.zeros((N1, N2, ..., Nj, ..., Nmax))
bit = np.ones((N1, N2, ..., Nj-1, Nj+1, ..., Nmax))
my_bits = [bit]*Nj
从那里,我想沿轴Nj用my_bits填充my_array。我该怎么做?我正在查看nditer函数,但不确定如何处理。
答案 0 :(得分:0)
这里的尺寸有问题。
如果我正确理解,my_array[:, 0, :]
与my_bits
的尺寸相同。所以分配应该像这样完成:
import numpy as np
Na = 2
Nb = 2
Nc = 2
my_array = np.zeros((Na, Nb, Nc))
my_bits = np.ones((Na, Nc))
print('my_array before', my_array)
for b in range(Nb):
my_array[:, b, :] = my_bits
print('my_array after', my_array)
答案 1 :(得分:0)
我认为您可能需要numpy.transpose
list_of_2d_arrays = [ make_2d_array() for i in range(Nb) ] # each has shape=(Na,Nc)
tensor3d = np.array(list_of_2d_arrays) # shape = (Nb,Na,Nc)
# now shift the dimensions around
X = np.transpose(tensor3d,(1,0,2)) # has shape (Na,Nb,Nc)
答案 2 :(得分:0)
在某些transpose
函数中,使用numpy
将迭代轴移动到已知位置(最前面或最后一个)。
另一种方法是构造一个slice
对象,并对其进行迭代。
In [46]: arr = np.zeros((2,3,4),int)
In [47]: idx = np.full((arr.ndim,), slice(None))
In [48]: n=2
In [49]: for i in range(arr.shape[n]):
...: idx[n] = i
...: arr[tuple(idx)] = i+1
...:
In [50]: arr
Out[50]:
array([[[1, 2, 3, 4],
[1, 2, 3, 4],
[1, 2, 3, 4]],
[[1, 2, 3, 4],
[1, 2, 3, 4],
[1, 2, 3, 4]]])
对于另一个轴
In [56]: arr = np.zeros((2,3,4),int)
In [57]: idx = np.full((arr.ndim,), slice(None))
In [58]: n=1
In [59]: for i in range(arr.shape[n]):
...: idx[n] = i
...: arr[tuple(idx)] = i+1
...:
In [60]: arr
Out[60]:
array([[[1, 1, 1, 1],
[2, 2, 2, 2],
[3, 3, 3, 3]],
[[1, 1, 1, 1],
[2, 2, 2, 2],
[3, 3, 3, 3]]])
在这种情况下,idx
的变化如下:
[slice(None, None, None) 0 slice(None, None, None)]
[slice(None, None, None) 1 slice(None, None, None)]
[slice(None, None, None) 2 slice(None, None, None)]
关键是索引表达式具有等价的元组,可以通过编程方式构造它:
In [61]: np.s_[:,3,:]
Out[61]: (slice(None, None, None), 3, slice(None, None, None))