在Matlab中,我可以执行以下操作:
X = randn(25,25,25);
size(X(:,:))
ans =
25 625
我经常发现自己想要快速折叠数组的尾随维度,并且不知道如何在numpy中执行此操作.
我知道我可以这样做:
In [22]: x = np.random.randn(25,25,25)
In [23]: x = x.reshape(x.shape[:-2] + (-1,))
In [24]: x.shape
Out[24]: (25, 625)
但是x.reshape(x.shape [: – 2](-1,))比简单地做x(:,:)更简洁(并且需要更多关于x的信息).
我显然尝试过类似的numpy索引,但这并不能按预期工作:
In [25]: x = np.random.randn(25,25,25)
In [26]: x[:,:].shape
Out[26]: (25, 25, 25)
有关如何以简洁的方式折叠数组的尾随尺寸的任何提示?
编辑:请注意,我在生成的数组本身之后,而不仅仅是它的形状.我只是在上面的例子中使用size()和x.shape来表示数组是什么样的.
解决方法:
4d或更高时应该发生什么?
octave:7> x=randn(25,25,25,25);
octave:8> size(x(:,:))
ans =
25 15625
你的(:,:)将它减少到2维,结合最后的维度.最后一个维度是MATLAB自动添加和折叠维度的位置.
In [605]: x=np.ones((25,25,25,25))
In [606]: x.reshape(x.shape[0],-1).shape # like Joe's
Out[606]: (25, 15625)
In [607]: x.reshape(x.shape[:-2]+(-1,)).shape
Out[607]: (25, 25, 625)
你的重塑示例做了与MATLAB不同的事情,它只是折叠了最后的2.将它折叠到2个维度,如MATLAB是一个更简单的表达式.
MATLAB简洁,因为您的需求与其假设相符. numpy等价物不是那么简洁,但可以让你更有控制力
例如,要保留最后一个维度,或将维度2合并为2:
In [608]: x.reshape(-1,x.shape[-1]).shape
Out[608]: (15625, 25)
In [610]: x.reshape(-1,np.prod(x.shape[-2:])).shape
Out[610]: (625, 625)
什么是等效的MATLAB?
octave:24> size(reshape(x,[],size(x)(2:end)))
ans =
15625 25
octave:31> size(reshape(x,[],prod(size(x)(3:end))))
标签:python,arrays,multidimensional-array,numpy
来源: https://codeday.me/bug/20190519/1137359.html