代码之家 › 专栏 › 技术社区 › duhaime

Numpy:内部尺寸不同的堆栈数组

numpy

duhaime · 技术社区 · 6 年前

我的情况类似于:

import numpy as np

a = np.random.rand(55, 1, 3)
b = np.random.rand(55, 626, 3)

在这里,形状表示观察的数量,然后是每个观察的时间片数量,然后是给定时间片上观察的维度数量。所以b是一个新的时间间隔内55个观测值中每一个的3个维度的完整表示。

55, 627, 3 . 一个人怎样才能在numpy做到这一点?如有任何建议,将不胜感激!

1 回复 | 直到 6 年前

duhaime 6 年前

为了跟进上面Divakar的回答 axis numpy中的参数是数组形状中给定维度的索引。我要在这里堆叠 a 和 b 根据它们的中间形状值,即在索引=1时:

import numpy as np

a = np.random.rand(5, 1, 3)
b = np.random.rand(5, 100, 3)

# create the desired result shape: 55, 627, 3
stacked = np.concatenate((b, a), axis=1)

# validate that a was appended to the end of b
print(stacked[:, -1, :], '\n\n\n', a.squeeze())

[[0.72598529 0.99395887 0.21811998]
 [0.9833895  0.465955   0.29518207]
 [0.38914048 0.61633291 0.0132326 ]
 [0.05986115 0.81354865 0.43589306]
 [0.17706517 0.94801426 0.4567973 ]] 


 [[0.72598529 0.99395887 0.21811998]
 [0.9833895  0.465955   0.29518207]
 [0.38914048 0.61633291 0.0132326 ]
 [0.05986115 0.81354865 0.43589306]
 [0.17706517 0.94801426 0.4567973 ]]

纯粹主义者可以用 np.all(stacked[:, -1, :] == a.squeeze())

严格地说,对于好奇的人来说,这种连接的用例是一种不稳定的长-短记忆神经网络的数据准备管道。在这种网络中,训练数据的形状应该是 number_of_observations, number_of_time_intervals, number_of_dimensions_per_observation . 我在一个新的时间间隔内对每一个物体产生新的预测,所以这些预测是有形状的 number_of_observations, 1, number_of_dimensions_per_observation

推荐文章

serlingpa · 如何准备我的数据以避免无法推断频率

1 年前

Guillaume · 使用操作从Python列表创建numpy数组

2 年前

user19657580 · 在Python中打印两个numpy数组的列表

2 年前

user19657580 · Python中数组中具有相同元素的索引求和

2 年前

mikanim · 改进二维余弦函数的numpy功能

2 年前

Klimt865 · 在Python中将数组列表转换为列表列表

2 年前

theduker · 计算平均绝对误差时,If语句中赋值前引用的局部变量

2 年前

Lynn · 如果列包含Python中的特定字符串,则从列中删除值

2 年前

JasonX · 运行减法计算

2 年前

Jan Hrubec · 选择numpy数组的前n个元素

2 年前