如何将3d numpy数组重塑为2d数组，同时保持z轴尺寸

Question

我从一堆图像中创建了一个数组。 图像尺寸为10980 * 10980。 我使用懒散数组方法使用了dask来读取图像并将其堆叠。 他们总共是68。 我使用了以下代码：

import dask
import dask.array as da
import glob
import time
import os

filenames = [os.path.join(root, filename) for root, subdir, filenames in os.walk("L2A")
            for filename in filenames if filename.endswith("B04_10m.tif")]

print(len(filenames))

import imageio 
sample = imageio.imread(filenames[0])
sample.shape

import matplotlib.pyplot as plt 
import skimage.io 
plt.figure(figsize=(10,10))
skimage.io.imshow(sample[:,:])

lazy_arrays = [dask.delayed(imageio.imread)(fn) for fn in filenames]

lazy_arrays = [da.from_delayed(x, shape=sample.shape, dtype=sample.dtype)
              for x in lazy_arrays]

array = da.stack(lazy_arrays, axis=0)
array

数组的形状为： 形状（68、10980、10980） 但是我想要的是一个2d数组，它保持沿z轴的尺寸（68），这将是新2d数组中的尺寸，而10980和10980尺寸（3D数组中的行和列）将新的2d数组中的列。 最后，我要寻找的形状是（68，120560400）。有谁知道这是怎么做到的吗？目的是计算堆栈的均值，因为使用嵌套的for循环在3d维度的列和行上进行迭代会非常长，请使用以下函数。

    x = array.shape[1]
    y = array.shape[2]
    values = np.empty((x,y), type(array[0][0][0]))
    for i in range(x):
        for j in range(y):
            values[i][j] = ((np.mean(array[:,i,j])))

Answer 1

当您将“一堆多维事物”作为单个numpy数组（例如图像集）使用时，最好使用第一个维度为单个事物建立索引。

这使一切变得简单。选择第n张图像仅array[n-1]，您可以轻松地展平数组中的所有图像，而仅需array.reshape((array.shape[0], -1))就可以使图像分开。

注意：我们可以在其中一个维度中使用-1，以便让numpy为我们计算合适的大小，在您的情况下，该大小将计算为{{1} }。