如何在 NP 数组中填充第 3 维？

Question

我想用零填充数组的第 3 维，这是我尝试的方法：

import numpy as np

arr = [np.array([[1,2,3], [1,2,3]]), np.array([[1,2],[2,3,4, 5]])]
lar =  []
for r in arr: 
    for e in r:
        lar.append(len(e))
        
i = max(lar)
for (ii, r) in enumerate(arr): 
    for (i, e) in enumerate(r):
       print(i)
       print(e)
       arr[ii][i]= np.pad(e, (0,i), 'constant' ) 
print(i)
print(lar)
print(arr)

然而，一旦它不得不调整第一个子数组，它就失败了，期望的结果：

[[[1,2,3,0]
[1,2,3,0]],
[[1,2,0,0],
[2,3,4,5]]]

Answer 1

让我们从 Numpy 不支持交错数组（不同任何维度的长度）。

另一个要提到的细节是你的源“数组”（arr）实际上不是任何数组，但是 list 的 Numpy 数组。

此列表的每个元素是：

“常规”二维 Numpy 数组（如果所有大小都相同每个维度),
或一维数组，包含列表（不同大小）和整个元素是 object 类型的数组。

所以解决这个问题的正确方法是用两种不同的方式进行填充，根据每一行的类型。

编写如下函数：

def myPad(arr):
    lar =  []
    for r in arr: 
        for e in r:
            lar.append(len(e))
    n = max(lar)
    rv = []
    for row in arr:
        if row.ndim == 1:  # A jagged array (1-D array of lists (of different lengths))
            rv.append(np.array([ col + [0] * (n - len(col)) for col in row ]))
        else:              # 2-D array (all rows of same length)
            rv.append(np.pad(row, ((0, 0), (0, n - row.shape[1]))))
    return np.array(rv)

它从您的代码开始确定目标大小(n)。

然后有一个循环，处理每一行，根据“fork”(if) 当前行的维数；

if路径处理“锯齿状”数组的情况，
else路径处理“常规”数组的情况。

当你打电话时：

result = myPad(arr)

源数据的结果是：

array([[[1, 2, 3, 0],
        [1, 2, 3, 0]],
       [[1, 2, 0, 0],
        [2, 3, 4, 5]]])

它的形状（result.shape）是：

(2, 2, 4)

如何在 NP 数组中填充第 3 维？

How to pad a 3rd dimention in an array of NP arrays?

python

arrays

numpy

padding