numpy.array與不同形狀的元素

我想有一個numpy數組的另外兩個數組（每個都有不同的形狀）。據我所知，由於這個原因，在主陣列的定義中必須使用：dtype = object。numpy.array與不同形狀的元素

例如，讓我們定義（在Python 2.7）我們的數組作爲

 a0 = np.arange(2*2).reshape(2,2) 
    a1 = np.arange(3*3*2).reshape(3,3,2) 
    b = np.array([a0,a1], dtype = object)

這完美的作品：b[1]是一樣的a1。但是，如果我改變從（2,2）在a0的尺寸（3,3），奇怪的事情發生：

 a0 = np.arange(3*3).reshape(3,3) 
    a1 = np.arange(3*3*2).reshape(3,3,2) 
    b = np.array([a0,a1], dtype = object)

這次b[1]和a1是不相等的，他們甚至有不同的形狀。這種奇怪行爲的原因是什麼？

也許對我來說有一個完全不同的解決方案。但我不想使用列表或元組，因爲我想允許添加如b + b。很明顯，我可以爲此目的寫自己的課，但有沒有更簡單的方法？

來源

2014-10-19 cheyp

如果要明確一個對象數組，可以先創建對象類型的空數組並分配給它：

x = empty(5, dtype=object) 
x[0] = zeros((3,3)) 
x[1] = zeros((3,2)) #does not merge axes. 
x[2] = eye(4) 
x[3] = ones((2,2))*2 
x[4] = arange(10).reshape((5,2)) 

>>> x+x 
array([array([[ 0., 0., 0.], 
    [ 0., 0., 0.], 
    [ 0., 0., 0.]]), 
    array([[ 0., 0.], 
    [ 0., 0.], 
    [ 0., 0.]]), 
    array([[ 2., 0., 0., 0.], 
    [ 0., 2., 0., 0.], 
    [ 0., 0., 2., 0.], 
    [ 0., 0., 0., 2.]]), 
    array([[ 4., 4.], 
    [ 4., 4.]]), 
    array([[ 0, 2], 
    [ 4, 6], 
    [ 8, 10], 
    [12, 14], 
    [16, 18]])], dtype=object)

你必須填寫所有元素，然後才能執行算術，或增長使用np.append從零開始的元素。

來源

2014-10-19 17:33:32 mdurant

在你的例子中，不可能對整個數組''執行算術運算。例如，'x + x'將不起作用。 – cheyp 2014-10-20 10:57:08

是的，你可以！正如我所說的，你只需要填充0..4的所有元素（但只給出了前兩個例子）。 – mdurant 2014-10-20 14:17:08

我不認爲這是一個奇怪的行爲，這是你使用numpy的方式，這對我來說很奇怪。

numpy合併尺寸儘可能多。這是默認行爲，是使用數組時的預期行爲。在第一個例子中，a0和a1的所有尺寸都不相同。 numpy被迫只使用第一維。因此，如果我們在第一個示例中查看b.shape，我們將看到(2,)。

在第二個示例中，a0和a1具有與最後一個維度相同的維度大小。所以numpy合併了這些級別。如果您在這裏查看b.shape，您會看到(2,3,3)，因爲第二個和第三個維度的大小相同。

來源

2014-10-19 17:29:57 Korem

numpy.array與不同形狀的元素

回答

相關問題