删除数组中长度为 1 的维度

Question

我是 Python 的真正初学者，我的 ndarrays 经常出现问题。我对括号很困惑（在 Python 中的任何地方是否有任何使用括号的示意图合成？）。我总是最终得到许多维度的数组。现在我有这个：

>>> values
Out[1]: 
array([[[ array([[ 4.23156519, -0.93539198],
       [ 3.50074853, -1.67043386],
       [ 4.64192393, -1.03918172],
       [ 4.52056725,  0.2561267 ],
       [ 3.36400016,  0.26435125],
       [ 3.82025672,  1.16503286]])]]], dtype=object)

从这里开始，如何缩小尺寸？我只想要一个 6x2 阵列。我尝试了 np.reshape 但由于 values 的当前形状是 (1,1,1) 我无法直接将数组重塑为 6x2 的数组。

对于这个愚蠢的问题，我深表歉意，我正在寻找一个通用的和示意性的答案，它可以解释我如何从更高的维度传递到更低的维度，反之亦然。

这是我创建 array 的方式。 values 是 clustered_points

indices=[] # initialize indices
clustered_points=[] # initialize array containing points in different sub-arrays=clusters
for k in range(len(mu)):
    a=r[:,k]
    index=[t for t in range(len(a)) if a[t] == 1]
    indices.append(index)
    clustered_points.append(data[indices[k]])
clustered_points=np.reshape(clustered_points,(len(clustered_points),1,1))

Answer 1

如果你想创建 6x2 数组，那么就这样做：

A = array([[4.23156519, -0.93539198],
           [3.50074853, -1.67043386],
           [4.64192393, -1.03918172],
           [4.52056725, 0.2561267],
           [3.36400016, 0.26435125],
           [3.82025672, 1.16503286]], dtype=object)

如果你想减少数组：

A = array([[[ array([[ 4.23156519, -0.93539198],
           [ 3.50074853, -1.67043386],
           [ 4.64192393, -1.03918172],
           [ 4.52056725,  0.2561267 ],
           [ 3.36400016,  0.26435125],
           [ 3.82025672,  1.16503286]])]]], dtype=object)

实际上是1x1x1x6x2的数组，A[0][0][0]

可以得到6x2

Answer 2

潜在的问题可能是，你是如何创建这个数组的？

A python list 对象无法以与 np.ndarrays 相同的方式进行操作。一般来说，一旦创建了最终列表，就可以将其转换为 numpy 数组：

values = []
# fill values with values.append(...)
# ...
values = np.asarray(values)

要计算数组的形状，您可以使用 A.shape 或 np.shape(A)。要删除长度为 1 的维度，最好的方法是使用 squeeze 方法作为 A.squeeze() 或 np.squeeze(A)，即：

>>> values.squeeze()
array([[4.23156519, -0.93539198],
      [3.50074853, -1.67043386],
      [4.64192393, -1.03918172],
      [4.52056725, 0.2561267],
      [3.36400016, 0.26435125],
      [3.82025672, 1.16503286]], dtype=object)

如果你的values数组真的如你所说，那么用reshape

应该也可以

>>> values.reshape(6,2)
array([[4.23156519, -0.93539198],
       [3.50074853, -1.67043386],
       [4.64192393, -1.03918172],
       [4.52056725, 0.2561267],
       [3.36400016, 0.26435125],
       [3.82025672, 1.16503286]], dtype=object)

如果您在尝试 reshape values 时遇到错误，是否可能它实际上是 list 而不是 array？

Answer 3

为了制作一个与您的初始显示相匹配的数组，我必须特别注意将一个数组嵌入另一个数组：

In [402]: x=np.array([[ 4.23156519, -0.93539198],
       [ 3.50074853, -1.67043386],
       [ 4.64192393, -1.03918172],
       [ 4.52056725,  0.2561267 ],
       [ 3.36400016,  0.26435125],
       [ 3.82025672,  1.16503286]])
In [403]: a=array([[[None]]],dtype=object)
In [404]: a[0,0,0]=x
In [405]: a
Out[405]: 
array([[[ array([[ 4.23156519, -0.93539198],
       [ 3.50074853, -1.67043386],
       [ 4.64192393, -1.03918172],
       [ 4.52056725,  0.2561267 ],
       [ 3.36400016,  0.26435125],
       [ 3.82025672,  1.16503286]])]]], dtype=object)

In [406]: a.shape
Out[406]: (1, 1, 1)
In [407]: a[0,0,0].shape
Out[407]: (6, 2)

只需从显示屏上进行剪切粘贴即可生成形状为 (1,1,1,6,2) 的不同数组。那没有内部 array 标记。无论哪种方式 a[0,0,0] 都会给出内部 (6,2) 数组。

reshape 和 squeeze 适用于 (1,1,1,6,2) 数组，但不适用于嵌套在 (1,1,1) 中的 (6,2)。你需要了解其中的区别。

（编辑）

对于运行你的 'how I did it' 剪辑，我必须对输入进行一些猜测（这几乎值得投反对票）。

我会猜测一些输入：

In [420]: mu=np.arange(3); r=np.ones((4,3));data=np.ones(5)
In [421]: %paste
indices=[] # initialize indices
clustered_points=[] # initialize array containing points in different sub-arrays=clusters
for k in range(len(mu)):
    a=r[:,k]
    index=[t for t in range(len(a)) if a[t] == 1]
    indices.append(index)
    clustered_points.append(data[indices[k]])

## -- End pasted text --
In [422]: clustered_points
Out[422]: 
[array([ 1.,  1.,  1.,  1.]),
 array([ 1.,  1.,  1.,  1.]),
 array([ 1.,  1.,  1.,  1.])]

cluster_points 是一个包含多个一维数组的列表。

我可以

np.reshape(clustered_points,(12,1,1))
np.reshape(clustered_points,(3,4,1,1))

虽然我认为最好先做 np.array(clustered_points)，甚至可以检查它的形状。

自

np.reshape(clustered_points,(len(clustered_points),1,1))

应该有效然后 clustered_points 必须是 n 单个元素数组的列表。但是这个重塑应该产生一个 (n,1,1) 数组，而不是你的 (1,1,1,...) 数组。

所以编辑没有帮助。

=========================

I'm seeking a general and schematic answer that would explain me how to pass from a higher dimension to a lower one and vice versa.

第一步是要清楚自己和他人的数组结构。这包括了解 shape 和 dtype。如果 dtype 不是简单的数字，请注意元素的结构（例如数组中的对象）。

可以使用索引、[0] 或 squeeze 删除奇异维度（值 1）。 reshape 也删除维度（或添加维度），但您必须注意元素的总数。如果旧形状有 12 个元素，新形状也必须有 12 个。但是 reshape 不能跨越 dtype 边界。

Answer 4

我想你在找 numpy.squeeze:

#!/usr/bin/env python

import numpy
a = [[[[[ 4.23156519, -0.93539198],
        [ 3.50074853, -1.67043386],
        [ 4.64192393, -1.03918172],
        [ 4.52056725,  0.2561267 ],
        [ 3.36400016,  0.26435125],
        [ 3.82025672,  1.16503286]]]]]
a = numpy.array(a)
print("a.shape=%s" % str(a.shape))
b = numpy.squeeze(a)
print("b.shape=%s" % str(b.shape))

给予

a.shape=(1, 1, 1, 6, 2)
b.shape=(6, 2)

删除数组中长度为 1 的维度

Removing length 1 dimensions in arrays

python

arrays

numpy

dimensions

brackets