Numpy 重塑保留一些尺寸

Question

我想要这个

# assume each 2x2 as assigned number on right

[[[False  True]            # 1  
  [False False]]

 [[False False]            # 2
  [False  True]]

 [[ True False]            # 3
  [False False]]

 [[False  True]            # 4
  [False False]]]

重塑为

[[[[False  True False False]
   [False False False  True]
   [ True False False  True]
   [False False False False]]]]

如

[[[[False  True | False False]                # 1 | 2
   [False False | False  True]                ___   ___
     ----------   -----------                  
   [ True False | False  True]                # 3 | 4
   [False False | False False]]]]

但我在使用 arr.reshape(1,1,4,4)

时得到

[[[[False  True False False]                   # 1 flat
   [False False False  True]                   # 2 flat
   [ True False False False]                   # 3 flat
   [False  True False False]]]]                # 4 flat

注意每个 2x2 都被展平了。我希望 numpy 重塑形状，使 2x2 保持不变，同时调整之前的尺寸。我该怎么做？

编辑： arr 的形状是 m,n,r 而 m 可能是奇数

编辑2：

将 9x2x2 变成 1x1x6x6

我有：

[[[False False]
  [False  True]]

 [[False False]
  [False  True]]

 [[ True False]
  [False False]]

 [[False False]
  [False  True]]

 [[False False]
  [ True False]]

 [[False False]
  [ True False]]

 [[False  True]
  [False False]]

 [[False False]
  [ True False]]

 [[ True False]
  [False False]]]

预计：

[[[[False False | False False |  True False]
   [False  True | False  True | False False]
    -----------   -----------   ----------
   [False False | False False | False False]
   [False  True |  True False |  True False]
     ----------   -----------   -----------
   [False  True | False False |  True False]
   [False False |  True False | False False]]]]

我得到了什么：

[[[[False False False  True False False]          # 1 flattened; half of 2
   [False  True  True False False False]          # rem half of 2; flattened 3
   [False False False  True False  True]          # ...
   [False False False  True False False]
   [False False  True False False  True]
   [False False  True False False False]]]]

Answer 1

谜题的重要部分是第一个轴是一个平方数，我们将它除以那个平方根数，得到 4D大批。如果第一个轴不是平方数，我们将需要另一个输入参数来告诉我们要在最终输出中沿列或行保留的块数。拆分后，交换轴 1 和 2 最后重塑 -

m = int(np.rint(np.sqrt(a.shape[0])))
out = a.reshape(m,m,2,2).swapaxes(1,2).reshape(m*2,-1)

样本运行-

1] 输入：

In [69]: a
Out[69]: 
array([[[False, False],
        [False,  True]],

       [[False, False],
        [False,  True]],

       [[ True, False],
        [False, False]],

       [[False, False],
        [False,  True]],

       [[False, False],
        [ True, False]],

       [[False, False],
        [ True, False]],

       [[False,  True],
        [False, False]],

       [[False, False],
        [ True, False]],

       [[ True, False],
        [False, False]]], dtype=bool)

2] 输出：

In [70]: m = int(np.sqrt(a.shape[0]))

In [71]: a.reshape(m,m,2,2).swapaxes(1,2).reshape(m*2,-1)
Out[71]: 
array([[False, False, False, False,  True, False],
       [False,  True, False,  True, False, False],
       [False, False, False, False, False, False],
       [False,  True,  True, False,  True, False],
       [False,  True, False, False,  True, False],
       [False, False,  True, False, False, False]], dtype=bool)

Answer 2

在这种情况下使用 einops。

In: x

array([[[False, False],
        [False,  True]],

       [[False, False],
        [False,  True]],

       [[ True, False],
        [False, False]],

       [[False, False],
        [False,  True]],

       [[False, False],
        [ True, False]],

       [[False, False],
        [ True, False]],

       [[False,  True],
        [False, False]],

       [[False, False],
        [ True, False]],

       [[ True, False],
        [False, False]]])

In: einops.rearrange(x, '(h w) h2 w2 -> (h h2) (w w2)', h=3)

array([[False, False, False, False,  True, False],
       [False,  True, False,  True, False, False],
       [False, False, False, False, False, False],
       [False,  True,  True, False,  True, False],
       [False,  True, False, False,  True, False],
       [False, False,  True, False, False, False]])

参见 einops 文档，基本上它允许以显式方式编写各种重新排列。

Numpy 重塑保留一些尺寸

Numpy reshape preserving some dimensions

python

numpy

reshape