腳本之家服務器常用軟件

快捷導航

python實現(xiàn)把兩個二維array疊加成三維array示例

更新時間：2019年11月29日 10:39:45 作者：東寫西讀1

今天小編就為大家分享一篇python實現(xiàn)把兩個二維array疊加成三維array示例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

遇到這樣一個需求：程序中每次循環(huán)生成一個二維array，需要把每次循環(huán)的二維array疊加成一個三維的array，例如有如下兩個矩陣：

組合成以下這種形式：

這樣組合之后，有一個非常大的優(yōu)點就是：保持原有的二維array的形式不變，便于以后取出，比如說我想從C中取出A，只需要執(zhí)行：A=C[0,:]即可。

但是百度之后發(fā)現(xiàn)，在python中，numpy函數(shù)包中并沒有對應的函數(shù)來實現(xiàn)三維array中不斷添加二維array（有知道這個函數(shù)的歡迎在評論區(qū)告訴我）

這里，提供兩種“曲線救國”的解決方案：

方法一：

對于兩個（或者多個）同一維度的矩陣，直接利用np.array()重新構造一個array,這樣可以變相起到擴展維數(shù)的作用。例如：

import numpy as np

a = np.array([[1,2,3],[4,5,6]])
b = np.array([[2,2,3],[4,5,6]])
c = np.array([[3,2,3],[4,5,6]])
print('矩陣a：\n',a)
print('維數(shù)：',a.shape)

com = np.array([a,b,c])
print('合并矩陣：\n',com)
print('維數(shù)：',com.shape)

輸出結果為：

矩陣a：

 [[1 2 3]
 [4 5 6]]

維數(shù)： (2, 3)

合并矩陣：

 [[[1 2 3]
 [4 5 6]]

 [[2 2 3]
 [4 5 6]]

 [[3 2 3]
 [4 5 6]]]

維數(shù)： (3, 2, 3)

方法二：

但是，如果兩個array，使用方法一時會出現(xiàn)如下結果：

import numpy as np

aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])

com = np.array([aa,a])
print('合并矩陣：\n',com)
print('維數(shù)：',com.shape)

輸出結果：

合并矩陣：

 [array([[[1, 2, 3],
    [4, 5, 6]],

    [[2, 2, 3],
    [4, 5, 6]],

    [[3, 2, 3],
    [4, 5, 6]]])
 array([[4, 2, 3],
    [4, 5, 6]])]
維數(shù)： (2,)

可以看到：輸出的維數(shù)不對，以上方法就不適用了。

那么，我們就需要利用np.append和array.reshape()函數(shù)對數(shù)組進行拼接之后重組，具體實現(xiàn)如下：

import numpy as np

aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])
data = np.append(aa,a)#先拼接成一個行向量
print(data)

dim = aa.shape#獲取原矩陣的維數(shù)
print('原矩陣維數(shù)：',dim)
data1 = data.reshape(dim[0]+1,dim[1],dim[2])#再通過原矩陣的維數(shù)重新組合

print('合并矩陣：\n',data1)
print('維數(shù)：',data1.shape)

輸出結果：

方法三：

相比于前兩種方法，這種方法可謂“曲線救國”之典范，具體思路是：先轉化成list，拼接后再轉化回去。

這是因為list中的append()函數(shù)可以在添加函數(shù)的時候不改變原來list的維度。雖然沒有對這種方法進行一個速度測試，但直覺來看時間復雜度挺高的，建議慎用。

aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])

#將array轉換成list
aa = aa.tolist(aa)
a = a.tolist(a)

aa.append(a)#注意與方法二中np.append()用法的區(qū)別
com = np.array(aa)
print(com.shape)

輸出結果：

合并矩陣：
   [[[1 2 3]
    [4 5 6]]

    [[2 2 3]
    [4 5 6]]

    [[3 2 3]
    [4 5 6]]
    
    [[4 2 3]
    [4, 5, 6]]]
維數(shù)： (4,2,3)

這里注意：

兩種類型的相互轉換函數(shù)：

array轉list：a = a.tolist()

list轉array：a =np.array(a)

這里需要注意：A.tolist 和 list(A) 外表看，都是把一個array轉換成list，但是兩者還是有一些區(qū)別的?？聪逻呥@個例子：

A = np.reshape(np.arange(6),(3,2)) #生成一個3行2列的array
print（"數(shù)組A：",A）
print('A.tolist():',A.tolist())
print('list(A): ',list(A))

結果如下：

數(shù)組A：

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

A.tolist(): [[0, 1], [2, 3], [4, 5]]

list(A): [array([0, 1]), array([2, 3]), array([4, 5])]

可以看到：list(A)只是把最外層的array變成了list，但是里邊的每個向量都還是array類型。

最后吐槽一句，其實numpy包中對于一位數(shù)組和二維數(shù)組的拼接，可選函數(shù)很多，但是唯獨沒有考慮更高維數(shù)組的拼接。甚至連重寫的append函數(shù)都沒有原來的好用，真是青出于藍而敗于藍啊，痛心。強烈建議numpy包在未來的更新中盡快解決這個問題。

在深度學習中，也有類似于這樣的需求，比如用圖片來訓練模型時，彩色圖片就是一個個三維數(shù)組，需要把一批圖片都送到網(wǎng)絡中就需要把多個三維矩陣疊加。

tensorflow貌似提供了這樣的函數(shù)，在搭建深度學習框架時可以直接使用，以后有機會繼續(xù)擴展。

擴展閱讀：

最后，附幾個二維array中，添加一行或者一列元素的函數(shù)：

1 . np.append(a,b,axis=數(shù)字)

其中：

沒有axis屬性：把所有元素展開

axis = 0：添加添加n行

axis = 1：添加n列

口訣：0行1列，適用于所有的numpy函數(shù)的axis屬性。

2.增加一行或者一列。

b = np.row_stack((a, 行元素))# 添加行
c = np.column_stack((a, 列元素)) #添加列

以上這篇python實現(xiàn)把兩個二維array疊加成三維array示例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章:

欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python實現(xiàn)把兩個二維array疊加成三維array示例

相關文章

最新評論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具