Numpy“Fortran”式的重塑？

Question

假设我有一个这样X的形状数组(6, 2)：

import numpy as np
X = np.array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11, 12]])

我想将它重塑为一个 shape 数组(3, 2, 2)，所以我这样做了：

X.reshape(3, 2, 2)

并得到：

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

       [[ 5,  6],
        [ 7,  8]],

       [[ 9, 10],
        [11, 12]]])

但是，我需要不同格式的数据。准确地说，我想结束：

array([[[ 1,  2],
        [ 7,  8]],

       [[ 3,  4],
        [ 9,  10]],

       [[ 5, 6],
        [11, 12]]])

我应该用reshape这个还是别的什么？在 Numpy 中执行此操作的最佳方法是什么？

Answer 1

您必须设置订单选项：

\n

>>> X.reshape(3, 2, 2, order=\'F\')\narray([[[ 1,  2],\n        [ 7,  8]],\n\n       [[ 3,  4],\n        [ 9, 10]],\n\n       [[ 5,  6],\n        [11, 12]]])\n

\n

\n

\xe2\x80\x98F\xe2\x80\x99 表示使用类似 Fortran 的索引顺序读取/写入元素，第一个索引变化最快，最后一个索引变化最慢。

\n

\n

看： https ://numpy.org/doc/stable/reference/ generated/numpy.reshape.html

\n

Answer 2

您需要指定订单；

X.reshape(3, 2, 2, order='F')

应该管用