numpy中pad方法及应用

1 np.pad()介绍

• 用法：将张量按照维度，以一定规则进行填充（通常是填边上）。
  例如：

a = np.array([[1,2,3,4],[4,3,2,1]])
print(a)

b = np.pad(a, ((1,2),(3,3)))
print(b)

#输出：
[[1 2 3 4]
 [4 3 2 1]]
[[0 0 0 0 0 0 0 0 0 0]
 [0 0 0 1 2 3 4 0 0 0]
 [0 0 0 4 3 2 1 0 0 0]
 [0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0]]

• 参数：

第一个参数是待填充数组
第二个参数是填充的形状，（2，3）表示前面两个，后面三个；((0,0)(0,3)(0,0))表示第一维不填充，第二维末尾填充三个，第三维不填充
第三个参数是填充的方法

• 填充方法：

constant连续一样的值填充，有关于其填充值的参数。 constant_values=（x, y）时前面用x填充，后面用y填充。缺参数是为0000。。。
edge用边缘值填充
linear_ramp边缘递减的填充方式
maximum, mean, median, minimum分别用最大值、均值、中位数和最小值填充
reflect, symmetric都是对称填充。前一个是关于边缘对称，后一个是关于边缘外的空气对称╮(╯▽╰)╭
wrap用原数组后面的值填充前面，前面的值填充后面

具体参考：图文并茂的Python教程-numpy.pad

2 应用：通常用于把张量某一维度补到定长（补0用的比较多）

例子：把大小为（2,2,3,2）的4维张量补成（2,2,10,2）多余的地方补0

import numpy as np
max_len = 10                                 # 最大长度为10
x = np.arange(24).reshape((2,2,3,2))
shape = x.shape                              #((2,2,3,2))
padded = max_len - shape[-2]                 #要填充的大小：7
    
padded_shape = ((0, 0),)*len(shape[:-2]) + ((0, padded), (0, 0))
                                             #((0,0),(0,0),(0,padded),(0,0))
x = np.pad(x, padded_shape，mode="constant")