Come appiattire solo alcune dimensioni di un array numpy

128

C'è un modo rapido per "sub-appiattire" o appiattire solo alcune delle prime dimensioni in un array numpy?

Ad esempio, data una matrice numpy di dimensioni (50,100,25), le dimensioni risultanti sarebbero(5000,25)

python numpy flatten

— Curioso
fonte

1

Questo potrebbe aiutare stackoverflow.com/questions/13990465/3d-numpy-array-to-2d

— Ankur Ankan

Hai bisogno di un corso di aggiornamento sull'affettatura dell'array numpy ndarray. Conosciuta anche come indicizzazione di array multidimensionale, vedi: docs.scipy.org/doc/numpy-1.13.0/reference/arrays.indexing.html Array affetta il tuo ndarray usando parentesi quadre e usa il delimitatore virgola per separarne la quantità dimensione che desideri. Assomiglierà (non esattamente) a questo: your_array[50:100, 7, :]che appiattisce l'oggetto 3d in 2d, usando solo lo slice numero 7 per la seconda dimensione.

— Eric Leschinski

129

Dai un'occhiata a numpy.reshape .

>>> arr = numpy.zeros((50,100,25))
>>> arr.shape
# (50, 100, 25)

>>> new_arr = arr.reshape(5000,25)
>>> new_arr.shape   
# (5000, 25)

# One shape dimension can be -1. 
# In this case, the value is inferred from 
# the length of the array and remaining dimensions.
>>> another_arr = arr.reshape(-1, arr.shape[-1])
>>> another_arr.shape
# (5000, 25)

— Alessandro
fonte

81

Una leggera generalizzazione alla risposta di Alexander: np.reshape può prendere -1 come argomento, che significa "dimensione totale dell'array divisa per il prodotto di tutte le altre dimensioni elencate":

ad es. per appiattire tutte le dimensioni tranne l'ultima:

>>> arr = numpy.zeros((50,100,25))
>>> new_arr = arr.reshape(-1, arr.shape[-1])
>>> new_arr.shape
# (5000, 25)

— Peter
fonte

33

Una leggera generalizzazione alla risposta di Peter: puoi specificare un intervallo sulla forma dell'array originale se vuoi andare oltre gli array tridimensionali.

ad esempio per appiattire tutte le dimensioni tranne le ultime due :

arr = numpy.zeros((3, 4, 5, 6))
new_arr = arr.reshape(-1, *arr.shape[-2:])
new_arr.shape
# (12, 5, 6)

EDIT: Una leggera generalizzazione alla mia risposta precedente: puoi, ovviamente, anche specificare un intervallo all'inizio del rimodellamento:

arr = numpy.zeros((3, 4, 5, 6, 7, 8))
new_arr = arr.reshape(*arr.shape[:2], -1, *arr.shape[-2:])
new_arr.shape
# (3, 4, 30, 7, 8)

— KeithWM
fonte

2

Sono già passati più di due anni ... Abbiamo bisogno di un'altra leggera generalizzazione! ;)

— Lith

1

Un approccio alternativo consiste nell'utilizzare numpy.resize()come in:

In [37]: shp = (50,100,25)
In [38]: arr = np.random.random_sample(shp)
In [45]: resized_arr = np.resize(arr, (np.prod(shp[:2]), shp[-1]))
In [46]: resized_arr.shape
Out[46]: (5000, 25)

# sanity check with other solutions
In [47]: resized = np.reshape(arr, (-1, shp[-1]))
In [48]: np.allclose(resized_arr, resized)
Out[48]: True

— kmario23
fonte