使用Python中的重塑，重塑一個數組

Question

我有一個數組，看起來像如下：

array([[0, 0, 0, 0, 0, 0, 0, 0], 
     [1, 1, 1, 1, 1, 1, 1, 1], 
     [2, 2, 2, 2, 2, 2, 2, 2], 
     [3, 3, 3, 3, 3, 3, 3, 3], 
     [4, 4, 4, 4, 4, 4, 4, 4], 
     [5, 5, 5, 5, 5, 5, 5, 5], 
     [6, 6, 6, 6, 6, 6, 6, 6], 
     [7, 7, 7, 7, 7, 7, 7, 7]]) 

如何使用重塑把它分成4個吸盤，使得它看起來像

array([[[0, 0, 0, 0], 
     [1, 1, 1, 1], 
     [2, 2, 2, 2], 
     [3, 3, 3, 3]], 
     [[0, 0, 0, 0], 
     [1, 1, 1, 1], 
     [2, 2, 2, 2], 
     [3, 3, 3, 3]], 
     [[4, 4, 4, 4], 
     [5, 5, 5, 5], 
     [6, 6, 6, 6], 
     [7, 7, 7, 7]], 
     [[4, 4, 4, 4], 
     [5, 5, 5, 5], 
     [6, 6, 6, 6], 
     [7, 7, 7, 7]]]) 

我嘗試了重塑（m，n，l）中m，n，l的不同整數組合，但沒有任何作用。

Answer 1

編輯：對不起，我d沒有意識到這是一個三維結果，而不是一個四維結果。要獲得三維圖像，您將不得不重新整形。並且額外重塑將複製數據。

你不能，你需要TRANSPOSE（移調），以及：

In [1]: a = np.arange(8)[:,None].repeat(8,axis=1) 

In [2]: a 
Out[2]: 
array([[0, 0, 0, 0, 0, 0, 0, 0], 
     [1, 1, 1, 1, 1, 1, 1, 1], 
     [2, 2, 2, 2, 2, 2, 2, 2], 
     [3, 3, 3, 3, 3, 3, 3, 3], 
     [4, 4, 4, 4, 4, 4, 4, 4], 
     [5, 5, 5, 5, 5, 5, 5, 5], 
     [6, 6, 6, 6, 6, 6, 6, 6], 
     [7, 7, 7, 7, 7, 7, 7, 7]]) 

In [3]: b = a.reshape(2,4,2,4) 

In [4]: b 
Out[4]: 
array([[[[0, 0, 0, 0], 
     [0, 0, 0, 0]], 
     ... 
     [[7, 7, 7, 7], 
     [7, 7, 7, 7]]]]) 

In [5]: b.transpose(0,2,1,3) 
Out[5]: 
array([[[[0, 0, 0, 0], 
     [1, 1, 1, 1], 
     [2, 2, 2, 2], 
     [3, 3, 3, 3]], 

     [[0, 0, 0, 0], 
     [1, 1, 1, 1], 
     [2, 2, 2, 2], 
     [3, 3, 3, 3]]], 


     [[[4, 4, 4, 4], 
     [5, 5, 5, 5], 
     [6, 6, 6, 6], 
     [7, 7, 7, 7]], 

     [[4, 4, 4, 4], 
     [5, 5, 5, 5], 
     [6, 6, 6, 6], 
     [7, 7, 7, 7]]]]) 

Answer 2

在所有numpy數組下面（實際上，所有數組（非鏈表））都是線性的內存塊，所以您的解釋會將更高維的特性放在它上面。考慮的方法是[i, j]元素是真的是元素[i * num_cols + j]在底層數組中。

Numpy爲您提供所有步驟細節，讓您輕鬆使用任何您想要的維度索引到內存中，但您有約束條件，即只能將數據重新組合到數組中，您可以在其中編寫規則就像上面的轉換（i，j） - >一個單一的索引，這是你想要的不。

還有一堆的方式，你可以做你想做的，但它們都涉及複製數據

In [6]: array([[0, 0, 0, 0, 0, 0, 0, 0], 
     [1, 1, 1, 1, 1, 1, 1, 1], 
     [2, 2, 2, 2, 2, 2, 2, 2], 
     [3, 3, 3, 3, 3, 3, 3, 3], 
     [4, 4, 4, 4, 4, 4, 4, 4], 
     [5, 5, 5, 5, 5, 5, 5, 5], 
     [6, 6, 6, 6, 6, 6, 6, 6], 
     [7, 7, 7, 7, 7, 7, 7, 7]]).reshape(-1, 4)[np.r_[range(0, 8, 2), range(1, 8, 2), range(8, 16, 2), range(9, 16, 2)]].reshape(4, 4, 4) 
Out[6]: 
array([[0, 0, 0, 0], 
     [1, 1, 1, 1], 
     [2, 2, 2, 2], 
     [3, 3, 3, 3], 
     [0, 0, 0, 0], 
     [1, 1, 1, 1], 
     [2, 2, 2, 2], 
     [3, 3, 3, 3], 
     [4, 4, 4, 4], 
     [5, 5, 5, 5], 
     [6, 6, 6, 6], 
     [7, 7, 7, 7], 
     [4, 4, 4, 4], 
     [5, 5, 5, 5], 
     [6, 6, 6, 6], 
     [7, 7, 7, 7]]) 

或假設你的陣列是a

In [10]: np.vstack([a[:4, :4], a[:4, 4:], a[4:, :4], a[4:, 4:]]) 
Out[10]: 
array([[0, 0, 0, 0], 
     [1, 1, 1, 1], 
     [2, 2, 2, 2], 
     [3, 3, 3, 3], 
     [0, 0, 0, 0], 
     [1, 1, 1, 1], 
     [2, 2, 2, 2], 
     [3, 3, 3, 3], 
     [4, 4, 4, 4], 
     [5, 5, 5, 5], 
     [6, 6, 6, 6], 
     [7, 7, 7, 7], 
     [4, 4, 4, 4], 
     [5, 5, 5, 5], 
     [6, 6, 6, 6], 
     [7, 7, 7, 7]]).reshape(4, 4, 4) 

或只是

np.array([a[:4, :4], a[:4, 4:], a[4:, :4], a[4:, 4:]])