Question

我有一个数组或不同形状的文件。我想对所有数组进行零填充以匹配最大的形状。最大的形状是（93,13）。

要对此进行测试，我有以下代码：

testarray = np.ones((41,13))

我如何对此数组进行零填充以匹配（93,13）的形状？最终，我如何才能完成数千行？

编辑：在评论中找到了解决方案：

for index, array in enumerate(mfcc):
    testarray = np.zeros((93,13))
    for index,row in enumerate(array):
        for i in range(0,len(row)-1):
            testarray[index][i]= row[i]
            mfcc[index] = testarray

Answer 1

这是一种使用np.pad的方法，可以推广到任意目标形状：

def to_shape(a, shape):
    y_, x_ = shape
    y, x = a.shape
    y_pad = (y_-y)
    x_pad = (x_-x)
    return np.pad(a,((y_pad//2, y_pad//2 + y_pad%2), 
                     (x_pad//2, x_pad//2 + x_pad%2)),
                  mode = 'constant')

对于建议的示例：

a = np.ones((41,13))
shape = [93, 13]
to_shape(a, shape).shape
# (93, 13)

让我们再举一个例子：

shape = [100, 121]
to_shape(a, shape).shape
# (100, 121)

时间

def florian(array, shape):
    #print(array)
    testarray = np.zeros(shape)
    for index,row in enumerate(array):
        for i in range(0,len(row)-1):
            testarray[index][i]= row[i]

def to_shape(a, shape):
    y_, x_ = shape
    y, x = a.shape
    y_pad = (y_-y)
    x_pad = (x_-x)
    return np.pad(a,((y_pad//2, y_pad//2 + y_pad%2), 
                     (x_pad//2, x_pad//2 + x_pad%2)),
                  mode = 'constant')

a = np.ones((500, 500))
shape = [1000, 1103]

%timeit florian(a, shape)
# 101 ms ± 5.12 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit to_shape(a, shape)
# 19.8 ms ± 318 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

Answer 2

如果要在2D模式下向原始阵列的右侧和底部进行填充，请按以下步骤操作：

import numpy as np
a = np.ones((41,11))

desired_rows = 91
desired_cols = 13
b = np.pad(a, ((0, desired_rows-a.shape[0]), (0, desired_cols-a.shape[1])), 'constant', constant_values=0)
print(b)
"""
prints
[[1. 1. 1. ... 1. 0. 0.]
 [1. 1. 1. ... 1. 0. 0.]
 [1. 1. 1. ... 1. 0. 0.]
 ...
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]
 [0. 0. 0. ... 0. 0. 0.]]
"""

当然，它不是防错的解决方案，例如如果所需的行数或列数小于原始数组的相应大小，则会得到ValueError: index can't contain negative values。

Answer 3

您可以这样做。 array是您的原始数组，在这种情况下仅用于测试用例。只需使用自己的一个即可。

import numpy as np
array  = [[None] * 10]*10
#print(array)
testarray = np.zeros((93,13))
for index,row in enumerate(array):
    for i in range(0,len(row)-1):
        testarray[index][i]= row[i]

Numpy零填充以匹配特定形状

3 个答案: