将具有异构维度的 3D numpy 数组重塑为 2D numpy 数组

Question

我的数据是 3D 的，但只有第三个轴具有已知维度，我需要将其转换为 2D 数组。

示例：

input = 
[[[1, 2, 3]],

 [[4, 5, 6],
  [7, 8, 9]],

 [[1, 2, 3],
  [4, 5, 6],
  [7, 8, 9]]]

input_reshaped = 
[[1, 2, 3],
 [4, 5, 6],
 [7, 8, 9],
 [1, 2, 3],
 [4, 5, 6],
 [7, 8, 9]]

所以我有一个 3D 数据，其中第一维和第二维在我的数据集中是可变的，第三维是常量并且是已知的。

输入中的每个块也是 numpy 数组。我知道我可以使用 numpy.vstack 并迭代第一维来执行此操作。但如果可能的话，我想以 pythonic 方式进行重塑，而无需明确迭代我的数据。

我已经尝试执行列表综合以获得每个块的第一个形状，然后对这些值求和并将其与重塑一起使用。像这样：

def myStack(a):
    lengths = [item.shape[0] for item in a]
    common_dim = a[0].shape[1]
    return a.reshape(np.sum(lengths), common_dim)

但是在前面的例子中输入，我得到以下错误：

ValueError: cannot reshape array of size 3 into shape (6,3)

因为 Python 看到输入有一个 numy.array 形状为 (3,)

有什么想法吗？

补充：如果可以的话，在上面的条件下做一个反向变形就厉害了！

Answer 1

根据评论中的建议，vstack 或 concatenate:

In [320]: alist
Out[320]: [[[1, 2, 3]], [[4, 5, 6], [7, 8, 9]], [[1, 2, 3], [4, 5, 6], [7, 8, 9]]]
In [321]: len(alist)
Out[321]: 3

尝试从列表中创建一个数组只会创建一维列表数组。帮助不大。 reshape 不行。

In [322]: np.array(alist)
Out[322]: 
array([list([[1, 2, 3]]), list([[4, 5, 6], [7, 8, 9]]),
       list([[1, 2, 3], [4, 5, 6], [7, 8, 9]])], dtype=object)

但是 concatenate 可以处理数组列表（或类似对象的数组）：

In [323]: np.concatenate(alist, axis=0)
Out[323]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9],
       [1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

concatenate 也可以与 Out[322] 一起使用，因为它会将其输入视为一个列表，即使它是一个数组。

vstack 是同一件事，只是它确保子数组都是二维的，在这种情况下它们已经是二维的。

将具有异构维度的 3D numpy 数组重塑为 2D numpy 数组

Reshape 3D numpy array with heterogeneous dimensions to 2D numpy array

python

arrays

numpy

reshape