相关疑难解决方法(0)

问题是这个问题的反面.我正在寻找一个从小数组原始大数组的泛型方法:

array([[[ 0,  1,  2],
        [ 6,  7,  8]],    
       [[ 3,  4,  5],
        [ 9, 10, 11]], 
       [[12, 13, 14],
        [18, 19, 20]],    
       [[15, 16, 17],
        [21, 22, 23]]])

->

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]])

我目前正在开发一种解决方案,它会在完成后发布,但是我希望看到其他(更好)的方法.

所以这是关于重塑的使用以及该函数如何在多维尺度上使用每个轴的问题.

假设我有以下数组,其中包含由第一个索引索引的矩阵.我想要实现的是用第一个索引来索引每个矩阵的列.为了说明此问题,请考虑以下示例,其中使用其第一个索引对矩阵进行索引的给定numpy数组为z.

x = np.arange(9).reshape((3, 3))
y = np.arange(9, 18).reshape((3, 3))
z = np.dstack((x, y)).T

z看起来像:

array([[[ 0,  3,  6],
    [ 1,  4,  7],
    [ 2,  5,  8]],

   [[ 9, 12, 15],
    [10, 13, 16],
    [11, 14, 17]]])

它的形状是(2, 3, 3).这里,第一个索引是两个图像,三个x三个是矩阵.

那时更具体的措辞是如何使用重塑来获得以下所需的输出:

array([[ 0,  1,  2],
   [ 3,  4,  5],
   [ 6,  7,  8],
   [ 9, 10, 11],
   [12, 13, 14],
   [15, 16, 17]])

谁的形状(6, 3).这实现了阵列的尺寸索引矩阵x和y的列,如上所述.我的自然倾向是通过以下方式 …