如何在 python 中替换 3d 数组中的样本？
How to replace the samples in a 3d array in python?
我有一个维度为 (1000, 300, 3) 的 3d 数组，my_3d_array。
如果这个数组然后用修改后的版本替换旧版本，我想修改每个示例。换句话说，我想以第一个例子 (300, 3) （我们称它为旧样本）通过调用一个名为 my_function 的函数对其进行一些修改，然后获得的新样本将替换旧样本my_3d_array，依此类推。
请问怎么办？
我不太确定这是你想要的，但你可以使用正常的索引符号：
# just an example array
my_3d_array = np.random.random((1000,300,3))
# extract the old sample
old_sample = my_3d_array[0,:,:]
# transform the sample
new_sample = my_function(old_sample)
# write the sample back to the original array
my_3d_array[0,:,:] = new_sample
如果您想对所有样本进行相同的转换，向量化 my_function 以一次处理所有样本而不是使用 python 循环可能会更好。
我有一个维度为 (1000, 300, 3) 的 3d 数组，my_3d_array。
如果这个数组然后用修改后的版本替换旧版本，我想修改每个示例。换句话说，我想以第一个例子 (300, 3) （我们称它为旧样本）通过调用一个名为 my_function 的函数对其进行一些修改，然后获得的新样本将替换旧样本my_3d_array，依此类推。 请问怎么办？
我不太确定这是你想要的，但你可以使用正常的索引符号：
# just an example array
my_3d_array = np.random.random((1000,300,3))
# extract the old sample
old_sample = my_3d_array[0,:,:]
# transform the sample
new_sample = my_function(old_sample)
# write the sample back to the original array
my_3d_array[0,:,:] = new_sample
如果您想对所有样本进行相同的转换，向量化 my_function 以一次处理所有样本而不是使用 python 循环可能会更好。