使用Numpy.Reshape重塑阵列

3 回答

• 0

  你拥有的代码没有按照你的想法去做 . i[0] 获取第一个轴中的第0个元素，即 80 ，这不是您想要的 .

  无论如何，你真正想要的是选择最快方向的第一片，所以这样做：

  X = train[:,:,:,0:1]
  

  如果您的数据实际上不是您所说的大小，请尝试：

  X = np.array([i.reshape(80, 60, 4)[:,:,0:1] for i in train])
  

  回复于 2024-04-20T20:19:19+08:00
• 0

  重塑形状数组 (7231,80,60,4) - > (-1,80,60,1) 确实"just work"：

  train = np.arange(np.prod((7231,80,60,4))).reshape(7231,80,60,4)
  print(train.shape)
  
  X = train.reshape(-1,80,60,1)
  print(X.shape)
  

  输出：

  (7231, 80, 60, 4)
  (28924, 80, 60, 1)
  

  所以你要重新尝试的问题 . 我的猜测是你的问题可能与 train_data 数组的形式/内容有关（或者你试图用 np.array([i[0] for i in train]) 从它创建的数组） . 当然，问题也可能出在您未在问题中发布的代码部分 . 如果您发布了更多的实际代码，那可能会有所帮助 .

  特别是，当您收到错误消息时：

  IndexError: index 15484 is out of bounds for axis 0 with size 7231
  

  它应该包含一个堆栈跟踪，它直接指向代码中有问题的行 . 堆栈跟踪是否表示从您创建 X 的行中引发了错误：

  X = np.array([i[0] for i in train]).reshape(-1,80,60,1)
  

  或者它是否指向代码中的不同行？

  回复于 2024-04-20T20:19:19+08:00
• 1

  重塑时要小心 . 即使它有效，元素的排列可能也不是你想要的 .

  从一个我们可以想象的简单数组开始：

  In [805]: x = np.arange(24).reshape(3,2,4)
  In [806]: x
  Out[806]: 
  array([[[ 0,  1,  2,  3],
          [ 4,  5,  6,  7]],
  
         [[ 8,  9, 10, 11],
          [12, 13, 14, 15]],
  
         [[16, 17, 18, 19],
          [20, 21, 22, 23]]])
  

  重塑为（-1,2,1） - 但让我们删除最后一个以获得更紧凑的显示：

  In [807]: x.reshape(-1,2)
  Out[807]: 
  array([[ 0,  1],
         [ 2,  3],
         [ 4,  5],
         [ 6,  7],
         [ 8,  9],
         [10, 11],
         [12, 13],
         [14, 15],
         [16, 17],
         [18, 19],
         [20, 21],
         [22, 23]])
  

  注意原始[0,1,2,3]行如何分成2行 .

  重新分配大小4的最后一个维度的另一种方法是：

  In [808]: np.vstack([x[...,i] for i in range(4)])
  Out[808]: 
  array([[ 0,  4],
         [ 8, 12],
         [16, 20],
         [ 1,  5],
         [ 9, 13],
         [17, 21],
         [ 2,  6],
         [10, 14],
         [18, 22],
         [ 3,  7],
         [11, 15],
         [19, 23]])
  

  如果我们使用 np.stack 并获得（4,3,2）形状，那可能会更清楚

  array([[[ 0,  4],
          [ 8, 12],
          [16, 20]],
    ....
  

  x.transpose(2,0,1) 产生同样的事情 .

  reshape 保留了元素的散乱/扁平顺序 . 转置会改变它 .

  In [812]: x.transpose(2,0,1).ravel()
  Out[812]: 
  array([ 0,  4,  8, 12, 16, 20,  1,  5,  9, 13, 17, 21,  2,  6, 10, 14,...])
  In [813]: x.reshape(-2,2).ravel()
  Out[813]: 
  array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, ...])
  

  回复于 2024-04-20T20:19:19+08:00