2024-10-19 21:31:42 发布
网友
我有一个4-D数组,我需要把它转换成2-D,做一些操作,然后再转换回4-D。为操作保留元素的顺序是很重要的。从this的帖子中,我了解了如何使用np.swapaxes(1, 2)来执行这个重塑操作。你知道吗
np.swapaxes(1, 2)
但现在我很困惑如何重新塑造它回到原来的4D矩阵开始。你知道吗
如何使用标准numpy方法来实现这一点。你知道吗
4到2和后面:
In [348]: arr4 = np.arange(2*3*4*5).reshape(2,3,4,5) In [349]: arr2 = arr4.transpose(0,2,1,3).reshape(8,15) In [350]: arr2 Out[350]: array([[ 0, 1, 2, 3, 4, 20, 21, 22, 23, 24, 40, 41, 42, 43, 44], [ 5, 6, 7, 8, 9, 25, 26, 27, 28, 29, 45, 46, 47, 48, 49], [ 10, 11, 12, 13, 14, 30, 31, 32, 33, 34, 50, 51, 52, 53, 54], [ 15, 16, 17, 18, 19, 35, 36, 37, 38, 39, 55, 56, 57, 58, 59], [ 60, 61, 62, 63, 64, 80, 81, 82, 83, 84, 100, 101, 102, 103, 104], [ 65, 66, 67, 68, 69, 85, 86, 87, 88, 89, 105, 106, 107, 108, 109], [ 70, 71, 72, 73, 74, 90, 91, 92, 93, 94, 110, 111, 112, 113, 114], [ 75, 76, 77, 78, 79, 95, 96, 97, 98, 99, 115, 116, 117, 118, 119]]) In [351]: arrN = arr2.reshape(2,4,3,5).transpose(0,2,1,3) In [352]: np.allclose(arr4,arrN) Out[352]: True
我将transpose与参数一起使用,但是swapaxes也同样适用。对于测试来说,保持尺寸清晰是很方便的。这样,大多数错误都会导致错误或明显的不匹配。原来的4x5内部块仍然是明显的二维阵列。你知道吗
transpose
swapaxes
4到2和后面:
我将
transpose
与参数一起使用,但是swapaxes
也同样适用。对于测试来说,保持尺寸清晰是很方便的。这样,大多数错误都会导致错误或明显的不匹配。原来的4x5内部块仍然是明显的二维阵列。你知道吗相关问题 更多 >
编程相关推荐