将 3D Numpy 数组重塑为 2D 数组

Question

我在 Numpy 中有以下 3D 数组：

a = np.array([[[1,2],[3,4]], [[5,6],[7,8]], [[9,10],[11,12]],[[13,14],[15,16]]])

当我写

b = np.reshape(a, [4,4])

二维结果数组看起来像

 [[ 1  2  3  4]
  [ 5  6  7  8]
  [ 9 10 11 12]
  [13 14 15 16]]

但是，我希望它是这个形状：

 [[ 1  2  5  6]
  [ 3  4  7  8]
  [ 9 10 13 14]
  [11 12 15 16]]

如何在 Python/Numpy 中高效地执行此操作？

Answer 1

Reshape 将第一个轴分成两个，置换轴和另一个 reshape -

a.reshape(2,2,2,2).transpose(0,2,1,3).reshape(4,4)
a.reshape(2,2,2,2).swapaxes(1,2).reshape(4,4)

将其设为通用，将变为 -

m,n,r = a.shape
out = a.reshape(m//2,2,n,r).swapaxes(1,2).reshape(-1,2*r)

样本运行-

In [20]: a
Out[20]: 
array([[[ 1,  2],
        [ 3,  4]],

       [[ 5,  6],
        [ 7,  8]],

       [[ 9, 10],
        [11, 12]],

       [[13, 14],
        [15, 16]]])

In [21]: a.reshape(2,2,2,2).swapaxes(1,2).reshape(4,4)
Out[21]: 
array([[ 1,  2,  5,  6],
       [ 3,  4,  7,  8],
       [ 9, 10, 13, 14],
       [11, 12, 15, 16]])

Answer 2

仅使用 np.hstack 和 np.vstack 的另一种方法：

In [98]: a
Out[98]: 
array([[[ 1,  2],
        [ 3,  4]],

       [[ 5,  6],
        [ 7,  8]],

       [[ 9, 10],
        [11, 12]],

       [[13, 14],
        [15, 16]]])

In [99]: s0, s1, s2, s3 = range(a.shape[0])

In [100]: np.vstack((np.hstack((a[s0], a[s1])), np.hstack((a[s2], a[s3]))))
Out[100]: 
array([[ 1,  2,  5,  6],
       [ 3,  4,  7,  8],
       [ 9, 10, 13, 14],
       [11, 12, 15, 16]])

意识到您的目标是将原始数组的前两个切片压缩为一个切片，然后将接下来的两个切片压缩为另一个切片，依此类推。

如果您担心性能，您也可以将 np.vstack 和 np.hstack 替换为它们最快的同类 np.concatenate。

P.S.: 这种方法创建了一个新的数组，保持原来的不变。

将 3D Numpy 数组重塑为 2D 数组

Reshaping 3D Numpy Array to a 2D array

python

arrays

numpy

reshape