python - 我可以从 numpy 数组列表中创建一个具有一个可变维度的 numpy 数组吗？

Question

这是我的问题的最小示例，我有一个如下所示的 numpy 数组列表:

a = np.zeros([4,3])
b = np.ones([5,3])
my_list = [a, b]

my_list
[array([[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]]), array([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]])]

列表中的数组在一个(且仅一个)维度(此处为 4 或 5)中可以具有可变长度。

我最终想要的是一个维度为 (2, "Variable-size", 3) 的 numpy 数组。输出应如下所示:

array([[[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]],
        [[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]]])

np.vstack() 或 np.concatenate() 不会返回我正在寻找的形状，因为它们生成的输出具有 (9, 3) 形状。

Answer 1

您不能使用形状为 (2, "Variable-size", 3) 的 numpy 数组，但您可以使用形状 ("Variable-size"连接两个数组", 3) 到 (shape1[0] + shape2[0], 3)。正如您所写:

I am looking for as they are producing an output that has a (9, 3) shape

numpy.concatenate()

可以解决您的问题:

np.concatenate((a,b))

输出:

array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

如果您仍然想在 numpy 中维护可变的第三维，唯一的方法是使用填充，这里使用零填充:

import numpy as np

a = np.array([
    [50., 50., 50.],
    [50., 50., 50.],
    [50., 50., 50.],
    [50., 50., 50.],
    [0., 0., 0.] # zero padding 
])

b = np.array([
    [80., 80., 80.],
    [80., 80., 80.],
    [80., 80., 80.],
    [80., 80., 80.],
    [80., 80., 80.]
])

new_matrix = [a, b]

print(new_matrix)

输出:

[array([[50., 50., 50.],
       [50., 50., 50.],
       [50., 50., 50.],
       [50., 50., 50.],
       [ 0.,  0.,  0.]]), array([[80., 80., 80.],
       [80., 80., 80.],
       [80., 80., 80.],
       [80., 80., 80.],
       [80., 80., 80.]])]

该方法广泛应用于各种图像处理解决方案中。通过这个技巧，您也可以利用 numpy 中矩阵运算的所有积极属性，但您可以保持数据形状相对灵活。正如 Willem 上面提到的，numpy 仅适用于“矩形”数据，并且可变维矩阵的操作在大多数情况下都是不明确的。

如果您甚至不想使用任何提到的解决方案，则必须选择列表和 numpy 数组组合，即列表中具有任何维度的 numpy 数组。