A股上市公司传智教育(股票代码 003032)旗下技术交流社区北京昌平校区

 找回密码
 加入黑马

QQ登录

只需一步,快速开始

python将两个二维array叠加成三维array的实现方法

遇到这样一个需求:程序中每次循环生成一个二维array,需要把每次循环的二维array叠加成一个三维的array,例如有如下两个矩阵:


组合成以下这种形式:

这样组合之后,有一个非常大的优点就是:保持原有的二维array的形式不变,便于以后取出,比如说我想从C中取出A,只需要执行:A=C[0,:]即可。

但是百度之后发现,在python中,numpy函数包中并没有对应的函数来实现三维array中不断添加二维array(有知道这个函数的欢迎在评论区告诉我)

这里,提供两种“曲线救国”的解决方案:

方法一:

对于两个(或者多个)同一维度的矩阵,直接利用np.array()重新构造一个array,这样可以变相起到扩展维数的作用。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('矩阵a:\n',a)
print('维数:',a.shape)

com = np.array([a,b,c])
print('合并矩阵:\n',com)
print('维数:',com.shape)
输出结果为:

矩阵a:
[[1 2 3]
[4 5 6]]
维数: (2, 3)
合并矩阵:
[[[1 2 3]
  [4 5 6]]

[[2 2 3]
  [4 5 6]]

[[3 2 3]
  [4 5 6]]]
维数: (3, 2, 3)

方法二:

但是,如果两个array,使用方法一时会出现如下结果:

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('合并矩阵:\n',com)
print('维数:',com.shape)

输出结果:

合并矩阵:
[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]])]
维数: (2,)

可以看到:输出的维数不对,以上方法就不适用了。

那么,我们就需要利用np.append和array.reshape()函数对数组进行拼接之后重组,具体实现如下:

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)#先拼接成一个行向量
print(data)

dim = aa.shape#获取原矩阵的维数
print('原矩阵维数:',dim)
data1 = data.reshape(dim[0]+1,dim[1],dim[2])#再通过原矩阵的维数重新组合

print('合并矩阵:\n',data1)
print('维数:',data1.shape)

输出结果:



方法三:

相比于前两种方法,这种方法可谓“曲线救国”之典范,具体思路是:先转化成list,拼接后再转化回去。
这是因为list中的append()函数可以在添加函数的时候不改变原来list的维度。虽然没有对这种方法进行一个速度测试,但直觉来看时间复杂度挺高的,建议慎用。

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]])

#将array转换成list
aa = aa.tolist(aa)
a = a.list(a)

aa.append(a)#注意与方法二中np.append()用法的区别
com = np.array(aa)
print(com.shape)

输出结果:

合并矩阵:
      [[[1 2 3]
        [4 5 6]]

       [[2 2 3]
        [4 5 6]]

       [[3 2 3]
        [4 5 6]]

       [[4 2 3]
       [4, 5, 6]]]
维数: (4,2,3)

这里注意:
两种类型的相互转换函数:

array转list:a = a.tolist()
list转array:a =np.array(a)
这里需要注意:A.tolist 和 list(A) 外表看,都是把一个array转换成list,但是两者还是有一些区别的。看下边这个例子:

A = np.reshape(np.arange(6),(3,2)) #生成一个3行2列的array
print("数组A:",A)
print('A.tolist():',A.tolist())
print('list(A): ',list(A))

结果如下:

数组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)只是把最外层的array变成了list,但是里边的每个向量都还是array类型。

最后吐槽一句,其实numpy包中对于一位数组和二维数组的拼接,可选函数很多,但是唯独没有考虑更高维数组的拼接。甚至连重写的append函数都没有原来的好用,真是青出于蓝而败于蓝啊,痛心。强烈建议numpy包在未来的更新中尽快解决这个问题。

在深度学习中,也有类似于这样的需求,比如用图片来训练模型时,彩色图片就是一个个三维数组,需要把一批图片都送到网络中就需要把多个三维矩阵叠加。
tensorflow貌似提供了这样的函数,在搭建深度学习框架时可以直接使用,以后有机会继续扩展。

扩展阅读:

最后,附几个二维array中,添加一行或者一列元素的函数:

1 . np.append(a,b,axis=数字)

其中:

没有axis属性:把所有元素展开
axis = 0:添加添加n行
axis = 1:添加n列
口诀:0行1列,适用于所有的numpy函数的axis属性。

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
---------------------
【转载,仅作分享,侵删】
作者:东写西读1
原文:https://blog.csdn.net/u013044310/article/details/80407220


2 个回复

倒序浏览
一个人一座城0.0 来自手机 中级黑马 2019-1-27 13:45:23
沙发
看一看。
回复 使用道具 举报
奈斯
回复 使用道具 举报
您需要登录后才可以回帖 登录 | 加入黑马