python - 值错误 : all the input arrays must have same number of dimensions

Question

我在使用 np.append 时遇到问题。

我正在尝试使用以下代码复制 20x361 矩阵 n_list_converted 的最后一列:

n_last = []
n_last = n_list_converted[:, -1]
n_lists = np.append(n_list_converted, n_last, axis=1)

但是我得到错误:

ValueError: all the input arrays must have same number of dimensions

但是，我已经检查了矩阵维度

 print(n_last.shape, type(n_last), n_list_converted.shape, type(n_list_converted))

我明白了

(20L,) (20L, 361L)

所以尺寸匹配？哪里错了？

Answer 1

如果我从一个 3x4 数组开始，然后将一个 3x1 数组与轴 1 连接起来，我会得到一个 3x5 数组:

In [911]: x = np.arange(12).reshape(3,4)
In [912]: np.concatenate([x,x[:,-1:]], axis=1)
Out[912]: 
array([[ 0,  1,  2,  3,  3],
       [ 4,  5,  6,  7,  7],
       [ 8,  9, 10, 11, 11]])
In [913]: x.shape,x[:,-1:].shape
Out[913]: ((3, 4), (3, 1))

请注意，要连接的两个输入都有 2 个维度。

省略 :，x[:,-1] 是 (3,) 形状 - 它是 1d，因此错误:

In [914]: np.concatenate([x,x[:,-1]], axis=1)
...
ValueError: all the input arrays must have same number of dimensions

np.append 的代码是(在指定轴的情况下)

return concatenate((arr, values), axis=axis)

所以稍微改变语法 append 就可以了。它需要 2 个参数而不是列表。它模仿列表append 的语法，但不应与列表方法混淆。

In [916]: np.append(x, x[:,-1:], axis=1)
Out[916]: 
array([[ 0,  1,  2,  3,  3],
       [ 4,  5,  6,  7,  7],
       [ 8,  9, 10, 11, 11]])

np.hstack 首先确保所有输入都是 atleast_1d，然后进行连接:

return np.concatenate([np.atleast_1d(a) for a in arrs], 1)

因此它需要相同的 x[:,-1:] 输入。本质上是相同的操作。

np.column_stack 还在轴 1 上进行连接。但首先它通过 1d 输入传递

array(arr, copy=False, subok=True, ndmin=2).T

这是将 (3,) 数组转换为 (3,1) 数组的一般方法。

In [922]: np.array(x[:,-1], copy=False, subok=True, ndmin=2).T
Out[922]: 
array([[ 3],
       [ 7],
       [11]])
In [923]: np.column_stack([x,x[:,-1]])
Out[923]: 
array([[ 0,  1,  2,  3,  3],
       [ 4,  5,  6,  7,  7],
       [ 8,  9, 10, 11, 11]])

所有这些“堆栈”都很方便，但从长远来看，理解维度和基础 np.concatenate 很重要。还知道如何查找此类函数的代码。我经常使用 ipython ?? 魔法。

在时间测试中，np.concatenate 明显更快 - 对于像这样的小数组，额外的函数调用层会产生很大的时间差异。