相关疑难解决方法(0)

A numpy matrix can be reshaped into a vector using reshape function with parameter -1. But I don't know what -1 means here.

For example:

a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]])
b = numpy.reshape(a, -1)

The result of b is: matrix([[1, 2, 3, 4, 5, 6, 7, 8]])

有谁知道-1在这里意味着什么？并且似乎python赋予-1几个含义,例如:array[-1]表示最后一个元素.你能解释一下吗？

我有一个可变维度的 numpy 数组，例如它可以具有以下形状

(64, 64)
(64, 64, 2, 5)
(64, 64, 40)
(64, 64, 10, 20, 4)

我想要做的是，如果维数大于 3，我想将其他所有内容折叠/堆叠到第三维中，同时保留顺序。所以，在我上面的例子中，操作后的形状应该是：

(64, 64)
(64, 64, 10)
(64, 64, 40)
(64, 64, 800)

此外，还需要保留订单。例如，形状的数组(64, 64, 2, 5)应堆叠为

(64, 64, 2)
(64, 64, 2)
(64, 64, 2)
(64, 64, 2)
(64, 64, 2)

即一个接一个的 3D 切片。另外，在操作之后，我想将其重塑回原始形状，而不进行任何排列，即保留原始顺序。

我可以做的一种方法是将所有维度值从 3 乘以最后一个维度，即

shape = array.shape
if len(shape) > 3:
    final_dim = 1
    for i in range(2, len(shape)):
        final_dim *= shape[i]

然后重塑数组。就像是：

array.reshape(64, 64, final_dim)

然而，我首先不确定顺序是否按照我想要的方式保留，以及是否有更好的 …

我有 4 个数组，我想将它们连接成一个交错的数组。我该怎么做呢？

>>> import numpy as np
>>> a = np.tile(0,(5,2))
>>> b = np.tile(1,(5,2))
>>> c = np.tile(2,(5,2))
>>> d = np.tile(3,(5,2))
>>> e = np.concatenate((a,b,c,d),axis=1)
>>> e
    array([[0, 0, 1, 1, 2, 2, 3, 3],
           [0, 0, 1, 1, 2, 2, 3, 3],
           [0, 0, 1, 1, 2, 2, 3, 3],
           [0, 0, 1, 1, 2, 2, 3, 3],
           [0, 0, 1, 1, 2, 2, 3, 3]])

这仅给出了串联。

然而，我想要的输出是：

>>> desired_output
    array([[0, 1, 2, 3, 0, 1, …