我有两个数组,a
和 b
。
a
的形状为 (1, 2, 3, 4)
b
的形状为 (4, 3, 2, 1)
我想让它们都 (4, 3, 3, 4)
,新位置用 0 填充。
我能做到:
new_shape = (4, 3, 3, 4)
a = np.resize(a, new_shape)
b = np.resize(b, new_shape)
..但是这会重复每个元素以形成新元素,这对我不起作用。
相反,我认为我可以这样做:
a = a.resize(new_shape)
b = b.resize(new_shape)
...根据 documentation 用 0 填充。
但它不适用于多维数组,引发错误:
<块引用>ValueError: resize 仅适用于单段数组
那么有没有不同的方法来实现这一目标? IE。与 np.resize 相同,但使用 0-padding?
注意:我只是在寻找纯 numpy 的解决方案。
编辑:我使用的是 numpy 版本 1.20.2
编辑:我刚刚发现它适用于数字,但不适用于对象,我忘了提到它是一个对象数组而不是数字。
答案 0 :(得分:1)
resize
方法在扁平意义上用 0 填充;功能垫重复。
为了说明 resize
如何在填充前“展平”:
In [108]: a = np.arange(12).reshape(1,4,3)
In [109]: a
Out[109]:
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]]])
In [110]: a1 = a.copy()
In [111]: a1.resize((2,4,4))
In [112]: a1
Out[112]:
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[ 0, 0, 0, 0]],
[[ 0, 0, 0, 0],
[ 0, 0, 0, 0],
[ 0, 0, 0, 0],
[ 0, 0, 0, 0]]])
如果我创建一个正确形状的目标数组并复制,我可以保持原来的多维块:
In [114]: res = np.zeros((2,4,4),a.dtype)
In [115]: res[:a.shape[0],:a.shape[1],:a.shape[2]]=a
In [116]: res
Out[116]:
array([[[ 0, 1, 2, 0],
[ 3, 4, 5, 0],
[ 6, 7, 8, 0],
[ 9, 10, 11, 0]],
[[ 0, 0, 0, 0],
[ 0, 0, 0, 0],
[ 0, 0, 0, 0],
[ 0, 0, 0, 0]]])
我明确地写出了切片(为了清晰起见)。如果需要,可以通过编程方式创建这样的元组。